Prior Learning Assessments in a Professional Workplace for Practising Pharmacists and Technicians
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle