MétaCan
Menu
Retour à la cohorte
Enregistrement W2522963320 · doi:10.3138/ptc.2015-45e

Reaching Consensus on Measuring Professional Behaviour in Physical Therapy Objective Structured Clinical Examinations

2016· article· en· W2522963320 sur OpenAlexaffvenueabout
Robyn Davies, Cindy Ellerton, Cathy Evans

Notice bibliographique

RevuePhysiotherapy Canada · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésDelphi methodObjective structured clinical examinationDelphiFocus groupMedical educationCommunication skillsMedicineClinical PracticePhysical therapyPsychologyMedical physicsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose: We determined which professional behaviours (PBs) are important and feasible to measure in an objective structured clinical examination (OSCE) intended to assess the hands-on skills and knowledge of students in a Canadian physical therapy (PT) program. Methods: We used a modified Delphi technique to identify the criteria required to assess PBs in PT students during an OSCE. We conducted a focus group to better understand the results of the modified Delphi process. Results: Experienced local OSCE examiners participated in the modified Delphi panel, which consisted of two rounds of surveys: round 1 (n=12) and round 2 (n=10). A total of 31 PBs were reduced to 18 through the two rounds. Five of the panellists participated in the focus group, reduced the 18 PBs to 15, and then identified 4 as clinical skills. Participants categorized the remaining 11 as mixed PBs and clinical skills (1 item), PBs (4 items), or communication skills (6 items). Conclusion: This study provides preliminary evidence to support the feasibility and importance of evaluating 5 PB items in practical skills OSCEs for entry-to-practice PT students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,279
score de la tête « metaresearch » (Gemma)0,359
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil0,889

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2790,359
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0030,006
Communication savante0,0030,003
Science ouverte0,0030,009
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,386
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePhysiotherapy CanadaMême sujetInnovations in Medical EducationTravaux en français237 207