Completing a Quality Evaluation Report — What Clinical Supervisors Need to Know — A Faculty Development Workshop
Notice bibliographique
Résumé
Abstract Introduction For medical students and residents completing the clinical portion of their training, clinical supervisors complete a large part of their learning assessment through the use of in-training evaluation (ITE). The supervisors document their evaluation on an in-training evaluation report (ITER). Physicians who supervise medical trainees have indicated that they want faculty development (FD) programs to help them improve their ability to complete the in-training evaluation reports that they are required to provide to trainees and their program directors. Based on both perceived and observed needs we chose to develop a FD workshop to teach clinical supervisors how to complete better quality ITERs. Methods The workshop can been given using different timelines. The workshop outline document describes the suggested timelines depending on if you want to plan a 1.5-hour, 2-hour, 2.5-hour or 3-hour workshop. The main changes are to the introductions and the amount of time for discussion and practice. Results This workshop has been evaluated as part of a multi-site research study. Two types of evaluation were used. First, a validated CME rating scale was used to assess participant satisfaction with the workshop. Second, we compared the quality of clinical supervisors' completed evaluation reports pre-workshop to those that they completed in the six months following the workshop. The quality of the evaluation reports was assessed using a validated tool, the completed clinical evaluation report rating (CCERR). Participants were highly satisfied with our workshop. We found a significant improvement in evaluation report quality following the workshop. Discussion This workshop focuses solely on the completion of evaluation reports. Many other barriers to accurately reporting training performance such as a lack of time for observation, limited trainee contact, etc. exist. Users of this workshop may want to incorporate it into a broader faculty development program that addresses more aspects of trainee assessment.
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 | 0,053 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».