MétaCan
Menu
← Retour à la cohorte
Enregistrement W2547448670 · doi:10.33588/fem.191.824

Actividades profesionales confiables (APROC): un enfoque de competencias para el perfil médico

2016· article· es· W2547448670 sur OpenAlexaboutno aff
Carlos Alberto Soto-Aguilera, Karina Robles-Rivera, Guillermo Fajardo-Ortíz, A. Ortiz-Montalvo, Alicia Hamui-Sutton

Notice bibliographique

RevueEducación Médica · 2016
Typearticle
Languees
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySociologyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La implementación de la educación basada en competencias ha revolucionado de manera global la forma de aprender y enseñar medicina. Las competencias corresponden a las atribuciones que todo médico debe de poseer, y surgieron a partir de las Canadian Medical Education Directives for Specialists y el Accreditation Council for Graduate Medical Education (ACGME). Para lograr su adquisición, ha sido necesario implementar las actividades profesionales confiables (APROC), término acuñado por Ten Cate y Scheele, cuya finalidad ha sido vincular el concepto de competencias con la práctica. Se trata de actividades clínicas que los aprendices deben realizar para lograr dominarlas sin supervisión. El Milestone Project creado por el ACGME surgió para enriquecer las competencias, y cada especialidad debe definir las propias y decidir el nivel de desempeño que espera de sus alumnos en cada año de la especialidad. Para lograr aplicar las APROC es necesario que su diseño sea acorde con los objetivos del plan de estudios y requisitos del perfil del graduado. Diversas instituciones educativas de diferentes países han implementado este innovador modelo de enseñanza, entre los que destacan Canadá, Estados Unidos, Reino Unido, Australia, Nueva Zelanda y Países Bajos. El propósito de este artículo es difundir nuevas propuestas para la educación médica que logren vincular el perfil de competencias con la práctica clínica rutinaria, para que los facultativos logren empoderamiento de estas nuevas herramientas y las puedan aplicar de manera eficiente en la enseñanza de los estudiantes, y una de éstas son las APROC.

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)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,005
Communication savante0,0070,003
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,021
Tête enseignante GPT0,335
Écart entre enseignants0,313 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducación Médica→Même sujetInnovations in Medical Education→Travaux en français237 207→