International consensus statement on the assessment of interprofessional learning outcomes
Notice bibliographique
Résumé
Regulatory frameworks around the world mandate that health and social care professional education programs graduate practitioners who have the competence and capability to practice effectively in interprofessional collaborative teams. Academic institutions are responding by offering interprofessional education (IPE); however, there is as yet no consensus regarding optimal strategies for the assessment of interprofessional learning (IPL). The Program Committee for the 17th Ottawa Conference in Perth, Australia in March, 2016, invited IPE champions to debate and discuss the current status of the assessment of IPL. A draft statement from this workshop was further discussed at the global All Together Better Health VIII conference in Oxford, UK in September, 2016. The outcomes of these deliberations and a final round of electronic consultation informed the work of a core group of international IPE leaders to develop this document. The consensus statement we present here is the result of the synthesized views of experts and global colleagues. It outlines the challenges and difficulties but endorses a set of desired learning outcome categories and methods of assessment that can be adapted to individual contexts and resources. The points of consensus focus on pre-qualification (pre-licensure) health professional students but may be transferable into post-qualification arenas.
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 | 0,252 | 0,237 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,012 | 0,015 |
| Intégrité de la recherche | 0,015 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».