MétaCan
Menu
← Retour à la cohorte
Enregistrement W2895505667 · doi:10.1101/438077

Examining Academic Leader’s work in implementing Competency-based Medical Education using Organizational Learning Theory

2018· preprint· en· W2895505667 sur OpenAlexaffabout
Nicolás Fernández, Nicole Leduc, Nathalie Caire Fon, Louis‐Georges Ste‐Marie, Dat Nguyen-Dinh, Andrée Boucher

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésThematic analysisContext (archaeology)Process (computing)Relevance (law)Medical educationWork (physics)PsychologyKnowledge managementQualitative researchComputer scienceMedicineSociologyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Context Competency-based medical education (CBME) implementation is being carried out in many medical schools worldwide. Academic Leadership is a strategy where selected Faculty act to influence peers to adopt change. The Université de Montréal medical school, has adopted this strategy to implement CBME. Purpose This paper aims to describe the work of Academic Leaders in the process of CBME implementation and to explore relevance of the Nonaka and Toyama organizational learning theory to map implementation progress. Method Because knowledge creation model focuses on the relationships between leaders and social structures, embedded case study was selected. Diverse sampling method was used to select three departments: internal medicine, surgery and psychiatry, based on the number of CBME training activities. Data collection was at two intervals, two years apart. Semi-structured interviews (individual and group) were conducted with Department Heads and Academic Leaders. Thematic analysis was conducted on the 15 interview transcriptions. Results As implementation begins, Leaders critically revisit accepted teaching routines and develop a common conception of CBME. This enables leaders to communicate with a wider audience and work within existing committees and working groups where they “break down” CBME into practical concepts. This practical understanding, disseminated through Entrustable Professional Activities, enables observable change. Conclusion Leaders’ roles evolved from an “expert” that disseminates knowledge about CBME through lectures, to a responsive and pragmatic supporting role by developing and writing practical tools in collaboration with peers and program directors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,308
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetInnovations in Medical Education→Travaux en français237 207→