Prior Learning Assessments in a Professional Workplace for Practising Pharmacists and Technicians
Notice bibliographique
Résumé
Background: A prior learning assessment (PLA) is a summative statement of an individual's learning acquired through education and experience. We developed PLA surveys for 3 groups of pharmacy staff: experienced pharmacists with supervisory or clinical roles; pharmacists entering a pharmacy practice residency program; and experienced pharmacy technicians. Methods: Each PLA survey was developed based on a literature review and desirable learning outcomes for a regional pharmacy program. PLAs consisted of numerous potential learning needs, including possible job roles, competencies, essential skills and areas of practice expertise in 11 domains. Pharmacy staff scored past exposure, perceived ability (prior experience) and interest for each potential learning need. Learning needs were calculated as interest score minus ability score. Results: 23 of 38 (61%) experienced pharmacists, all 24 (100%) pharmacy residents and all 17 (100%) pharmacy technicians invited to complete the PLA responded. For each of the 11 domains, Cronbachs alpha scores were greater than 0.69. For experienced pharmacists, the highest learning needs occurred in technical domains (drug distribution and computer/informatics), with low needs in practice management and patient care. For pharmacy residents, the highest learning needs occurred in patient care domains. Pharmacy technician learning needs were greatest in human resources and drug distribution. Conclusion: We developed PLA surveys for experienced pharmacists, pharmacy residents and pharmacy technicians that demonstrate internal consistency reliability. Regulatory bodies, education providers, employers, managers and individual pharmacy personnel can use PLA to identify learning needs either prior to a practice change or as part of continuing professional development planning.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».