Curriculum Redesign in Veterinary Medicine: Part I
Notice bibliographique
Résumé
Curricular review is considered a necessary component for growth and enhancement of academic programs and requires time, energy, creativity, and persistence from both faculty and administration. At Texas A&M College of Veterinary Medicine & Biomedical Sciences (TAMU), the faculty and administration partnered with the university's Center for Teaching Excellence to create a faculty-driven, data-enhanced curricular redesign process. The 8-step process begins with the formation of a dedicated faculty curriculum design team to drive the redesign process and to support the college curriculum committee. The next steps include defining graduate outcomes and mapping the current curriculum to identify gaps and redundancies across the curriculum. Data are collected from internal and external stakeholders including veterinary students, faculty, alumni, and employers of graduates. Data collected through curriculum mapping and stakeholder engagement substantiate the curriculum redesign. The guidelines, supporting documents, and 8-step process developed at TAMU are provided to assist other veterinary schools in successful curricular redesign. This is the first of a two-part report that provides the background, context, and description of the process for charting the course for curricular change. The process involves defining expected learning outcomes for new graduates, conducting a curriculum mapping exercise, and collecting stakeholder data for curricular evaluation (steps 1-4). The second part of the report describes the development of rubrics that were applied to the graduate learning outcomes (steps 5-8) and engagement of faculty during the implementation phases of data-driven curriculum change.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 tête enseignante, 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 ».