57. The power of power: Comparative evaluations of medical residency training across teaching sites and programs at the University of Torontos
Notice bibliographique
Résumé
To meet accountability and accreditation requirements, teaching partners and the faculty postgraduate office required more robust and integrated feedback on teaching and assessment. The web-based evaluation system known as POstgraduate Web Evaluation and Registration (POWER) was implemented in 2004/05 by most residency training programs, using their existing forms and scoring scales. At start up, over 250 different evaluation forms and 85 varying scoring scales were in operation across programs for the In-Training Evaluation Reports (ITERs) and resident-completed evaluations for Rotation Evaluation Scores (RES) and Teaching Effectiveness Scores (TES). The POWER Evaluation Working Group was formed to develop a methodology to gather and consolidate evaluations to report on medical residents, their teachers, and rotations in a clear, consistent user-friendly format, map general questions against CanMEDS roles and Family Medicine principles, and convert all scoring scales to a consistent 5 point Likert scale. A standardized naming protocol was developed to map rotation services to individual teaching sites. The 2004/05 analysis of these evaluations (2004/05 Annual POWER Report: Lessons Learned) provide baseline data to begin monitoring trends in resident and faculty performance, assess the quality of programs and identify areas for improvement by CanMEDS standards and CFPC principles. Mean scores, standard deviations and number of evaluations were presented by teaching site and program. Consolidation of evaluations by program and teaching site provides valuable feedback to hospitals and programs wishing to standardize and improve their assessment systems, and to postgraduate medical offices who must maintain evaluation standards and illustrate trends for accreditation purposes. Future activities include: standardizing evaluation forms starting July 2007, improving scoring consistency and accuracy, improve participation rates and timeliness of responses, develop a procedure/case log tracking system, and trend analysis. Afrin LB, Arana GW, Medio FJ, Ybarra AF, Clarke HS Jr. Improving oversight of the graduate medical education enterprise: one institution’s strategies and tools. Academic Medicine 2006 (May); 81(5):419-25. Benjamin S, Robbins LI, Kung S. Online Sources for assessment and evaluation. Academic Psychiatry 2006 (Nov-Dec); 30(6):498-504. Rosenberg ME, Watson K, Paul J Miller W, Harris I, Valdivia TD. Development and Implementation of a web-based evaluation system for an internal medicine residency program. Academic Medicine 2001 (Jan); 76(1):92-5.
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 | 0,108 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».