MétaCan
Menu
Retour à la cohorte
Enregistrement W2914195370 · doi:10.1177/0840470418808824

Establishing learning objectives for a leadership skills development curriculum in family medicine

2019· article· en· W2914195370 sur OpenAlexaff
Colleen Grady, Karen Schultz, Brent Wolfrom, Nadia Knarr

Notice bibliographique

RevueHealthcare Management Forum · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCurriculumCompetence (human resources)Medical educationLeadership developmentInterpersonal communicationSocial skillsPsychologyMedicinePedagogyPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

If leadership skills can be developed during post-medical school training, physicians will be better prepared to influence positive change for their patients and communities. Based on both LEADS and CanMEDS Leader competencies, a mixed methods approach was used to identify the most valued leadership constructs and which of these should be prioritized for development in an enhanced family medicine curriculum. The interpersonal skills were identified most often and included: self-awareness/leads self, effective communications, leading change and building teams. While some opportunities to achieve competence in leadership skills already exist in family medicine residency programs, increased attention to providing development opportunities as well as assessment methods and faculty development is necessary in order to support new doctors as leaders. This study identifies over-arching goals to guide curriculum change in order to achieve this.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,348
Écart entre enseignants0,310 · 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'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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetInnovations in Medical EducationTravaux en français237 207