MétaCan
Menu
Retour à la cohorte
Enregistrement W2801509868 · doi:10.1080/0142159x.2018.1464651

Integrating an interprofessional education initiative: Evidence from King Abdulaziz University

2018· article· en· W2801509868 sur OpenAlexfundno aff
Almuatazbellah A. Awan, Zuhier Awan, Lana Alshawwa, Ara Tekian, Yoon Soo Park, Ahmed E. Altyar

Notice bibliographique

RevueMedical Teacher · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesImam Mohammed Ibn Saud Islamic UniversityAlberta Health Services
Mots-clésInterprofessional educationCurriculumContext (archaeology)Medical educationAutonomyHealth carePropositionPsychologyMedicinePedagogyPolitical science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This paper examines current issues with interprofessional education (IPE) at King Abdulaziz University (KAU) and discusses initiatives for integrating IPE into the medical curricula at KAU. METHODS: We reviewed the current body of literature, studied reports from IPE conferences and workshops organized at KAU, and synthesized participants' feedback from the IPE programs, including an online survey. RESULTS: A total of 506 participants responded to the online survey. Respondents rated Interprofessional Collaborative Learning as the highest category of IPE, followed by Interprofessional Self-Improvement and Interprofessional Relationship. A hybrid conceptual framework is proposed, to tackle the issue of role clarification across all healthcare colleges at KAU. This proposition was found to be necessary due to the current state of the undergraduate curriculum which does not prepare students properly for professional collaboration. CONCLUSIONS: The hybrid model may narrow the gap in IPE by emphasizing professional identity while reducing autonomy. Recommendations toward IPE are presented. Challenges toward IPE reform are discussed in the context of implementation at KAU and at other medical schools in the region.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0450,001

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,483
Écart entre enseignants0,406 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetInterprofessional Education and CollaborationTravaux en français237 207