MétaCan
Menu
Retour à la cohorte
Enregistrement W2896504798 · doi:10.1097/ceh.0000000000000223

Data and Lifelong Learning Protocol: Understanding Cultural Barriers and Facilitators to Using Clinical Performance Data to Support Continuing Professional Development

2018· article· en· W2896504798 sur OpenAlexaffabout
David Wiljer, Walter Tavares, Maria Mylopoulos, Craig Campbell, Rebecca Charow, Dave Davis, Allan Okrainec, Ivan Silver, Sanjeev Sockalingam

Notice bibliographique

RevueJournal of Continuing Education in the Health Professions · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésLifelong learningCompetence (human resources)Continuing professional developmentNonprobability samplingMedical educationPsychologyData collectionProtocol (science)Health careProfessional developmentNursingMedicinePedagogyPolitical scienceSociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Continuing professional development (CPD) can support delivery of high-quality care, but may not be optimized until we can understand cultural barriers and facilitators, especially as innovations emerge. Lifelong learning (LLL), linked with quality improvement, competence, and professionalism, is a core competency in medical education. The purpose of this study is to examine cultural factors (individual, organizational, and systemic) that influence CPD and specifically the use of clinical data to inform LLL and CPD activities. This mixed-method study will examine the perceptions of two learner groups (psychiatrists and general surgeons) in three phases: (1) a survey to understand the relationship between data-informed learning and orientation to LLL; (2) semistructured interviews using purposive and maximum variation sampling techniques to identify individual-, organizational-, and system-level barriers and facilitators to engaging in data-informed LLL to support practice change; and (3) a document analysis of legislation, policies, and procedures related to the access and the use of clinical data for performance improvement in CPD. We obtained research ethics approval from the University Health Network in Toronto, Ontario, Canada. By exploring two distinct learner groups, we will identify contextual features that may inform what educators should consider when conceptualizing and designing CPD activities and what initial actions need to be taken before CPD activities can be optimized. This study will lead to the development of a framework reflective of barriers and facilitators that can be implemented when planning to use data in CPD activities to support data adoption for LLL.

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)0,134
score de la tête « metaresearch » (Gemma)0,164
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,711

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1340,164
Méta-épidémiologie (sens strict)0,0020,004
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0050,005
Études des sciences et des technologies0,0070,004
Communication savante0,0060,006
Science ouverte0,0040,006
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,1120,031

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 Opus0,243
Tête enseignante GPT0,551
Écart entre enseignants0,309 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

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

En bref

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Continuing Education in the Health ProfessionsMême sujetInnovations in Medical EducationTravaux en français237 207