Reaching Consensus on Essential Biomedical Science Learning Objectives in a Dental Curriculum
Notice bibliographique
Résumé
This article describes how the University of British Columbia Faculty of Dentistry reached consensus on essential basic biomedical science objectives for DMD students and applied the information to the renewal of its DMD curriculum. The Delphi Method was used to build consensus among dental faculty members and students regarding the relevance of over 1,500 existing biomedical science objectives. Volunteer panels of at least three faculty members (a basic scientist, a general dentist, and a dental specialist) and a fourth-year dental student were formed for each of 13 biomedical courses in the first two years of the program. Panel members worked independently and anonymously, rating each course objective as "need to know," "nice to know," "irrelevant," or "don't know." Panel members were advised after each round which objectives had not yet achieved a 75% consensus and were asked to reconsider their ratings. After a maximum of three rounds to reach consensus, a second group of faculty experts reviewed and refined the results to establish the biomedical science objectives for the renewed curriculum. There was consensus on 46% of the learning objectives after round one, 80% after round two, and 95% after round three. The second expert group addressed any remaining objectives as part of its review process. Only 47% of previous biomedical science course objectives were judged to be essential or "need to know" for the general dentist. The consensus reached by participants in the Delphi Method panels and a second group of faculty experts led to a streamlined, better integrated DMD curriculum to prepare graduates for future practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».