How are competency frameworks perceived and taught?: An exploratory study in the context of pharmacy education
Notice bibliographique
Résumé
INTRODUCTION: Faculties of Pharmacy worldwide have to adapt their curriculum to accreditation criteria. The present study explored how the Association of Faculties of Pharmacy of Canada's (AFPC's) 2010 Educational Outcomes are perceived and taught at the Leslie Dan Faculty of Pharmacy (LDFP). These outcomes were adapted from the CanMeds Physician Competency Framework which describes both medical expert and non-expert roles. METHODS: We wondered if pharmacy would struggle, as medicine has, to integrate these roles into curricula in meaningful ways, given the absence of previous studies from Pharmacy. We conducted an exploratory interview study with 10 core faculty members in charge of courses where non-expert roles were taught. Data were analysed using conventional content analysis. RESULTS: Faculty members understood that the AFPC Outcomes are important for students, patients, and the profession of pharmacy, and some saw the roles as knowledge-based and teachable using content from academic disciplines. However, most saw them as skills taught informally or through clinical experience. They used the roles as a framing device to legitimize their course content and relied on informal role modelling to do most of the teaching. The few faculty members who taught content related to these roles had postgraduate education in a social science or humanities discipline. DISCUSSION: Similar to studies of Faculties of Medicine, our study highlights the difficulty of translating a role-based, competency framework into concrete, integrated curricula for students. Competency development should be explicitly embedded into the curriculum and cannot be left to individual instructors.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».