MétaCan
Menu
Retour à la cohorte
Enregistrement W2788011881 · doi:10.1353/hpu.2018.0007

Implementing a Course Review Process for a Continuous Quality Improvement Model for a Medical School Curriculum

2018· review· en· W2788011881 sur OpenAlexaboutno aff
Cassandra S. Ward, A. Gómez Andrade, Lena Walker-Winfree

Notice bibliographique

RevueJournal of Health Care for the Poor and Underserved · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesLaboratório Central de Microscopia Eletrônica, Universidade Federal de Santa CatarinaOhio Center for Ecology and Evolutionary Studies, Ohio University
Mots-clésAccreditationCurriculumMedical educationQuality assuranceFoundation (evidence)Quality managementMedicineQuality (philosophy)Process (computing)Political sciencePsychologyEngineeringPedagogyManagement systemComputer science

Résumé

récupéré en direct d'OpenAlex

In 1901, Abraham Flexner, a research scholar at the Carnegie Foundation for the Advancement of Teaching, visited 155 medical schools in the United States and Canada to assess medical education. Flexner's recommendations became the foundation for the Liaison Committee on Medical Education accreditation, a voluntary, peer-reviewed quality assurance process to determine whether a medical education program meets established standards. The Meharry Medical College School of Medicine, a historically Black college/university (HBCU) established the Office of Curriculum Evaluation and Effectiveness in 2013 to ensure the consistent monitoring of the medical education program's compliance with accreditation standards. The motto and logo, LCME 24/7, highlight the school's emphasis on meeting accreditation standards. The school uses the 1994 Plan-Do-Study-Act Cycle for Learning and Improvement for continuous review of course content, outcomes, and evaluations. This process identifies strengths, challenges, and opportunities for innovative steps for continuous quality improvements to the curriculum.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,112
Tête enseignante GPT0,512
Écart entre enseignants0,400 · 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 tête enseignante, 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
GenreSynthèse

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

En bref

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Care for the Poor and UnderservedMême sujetInnovations in Medical EducationTravaux en français237 207