Toward an evidence-informed, theory-driven model for continuing medical education
Notice bibliographique
Résumé
This thesis develops the basis for an evidence-informed, theory-driven educational model for planning, implementing and evaluating continuing medical education (CME). Using an historical and conceptual analysis the author argued current CME educational planning models, based on Tyler's Curriculum Model, failed to build a systematic body of knowledge to improve learning and teaching and are founded on historical, structural, organizational and pedagogical factors that arose from research and beliefs about learning prevalent at the turn of the twentieth century. Using a case study of a three-year province-wide, evidence-informed, multi-agency, comprehensive education program to enhance family and emergency physicians' knowledge and skills regarding the diagnosis and management of whiplash-associated disorders, the thesis demonstrates the feasibility and adaptability of using the PRECEDE-PROCEED Model for CME. The PRECEDEPROCEED Model is a community-oriented and epidemiological-based educational planning model that provides a systematic approach to identifying and organizing contextual factors influencing knowledge uptake and knowledge utilization. The case study provides a basis for modifying the PRECEDE-PROCEED Model as a tool for planning, implementing and evaluating CME programs. The changes are intended to assist CME planners in integrating behavioural and non-behaviour factors with theory and best practices in the actual "curriculum" or intervention-program design. In addition, the proposed modification to the PRECEDE-PROCEED Model adheres to the standards established by the Joint Committee on Standards for Educational Evaluation as to what a comprehensive evaluation should address. Based on the case study, the thesis recommends a modification to the current PRECEDE-PROCEED model of health promotion that provides a clearer conceptual understanding of the structure, components and theoretical underpinnings of an emerging evidence-informed, theory-based curriculum model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,078 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,020 |
| Communication savante | 0,018 | 0,012 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».