MétaCan
Menu
Retour à la cohorte
Enregistrement W2943128329 · doi:10.1097/acm.0000000000002771

“You Want Me to Assess What?”: Faculty Perceptions of Assessing Residents From Outside Their Specialty

2019· article· en· W2943128329 sur OpenAlexaffabout
Sarah Burm, Stefanie S. Sebok‐Syer, Lorelei Lingard, Tamara A. VanHooren, Saad Chahine, Mark Goldszmidt, Christopher Watling

Notice bibliographique

RevueAcademic Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSpecialtyFormative assessmentContext (archaeology)Medical educationCredibilityMedicineNeeds assessmentPerceptionPsychologyNursingFamily medicinePedagogy

Résumé

récupéré en direct d'OpenAlex

PROBLEM: Competency-based medical education (CBME) demands that residents be directly observed performing clinical tasks; however, many faculty lack assessment expertise, and some programs lack resources and faculty numbers to fulfill CBME's mandate. To maximize limited faculty resources, the authors explored training and deploying faculty to assess residents in specialties outside their own. APPROACH: In spring 2017, 10 MD and 2 PhD assessors at a medium-sized medical school in Ontario, Canada, participated in a 4-hour training session, which focused on providing formative assessments of patient handover, a core competency of medical practice. Assessors were deployed to 2 clinical settings outside their own specialty-critical care and pediatrics-each completing 11 to 26 assessments of residents delivering patient handover. Assessors were subsequently interviewed regarding their experiences. OUTCOMES: While assessors felt able to judge handover performance outside their specialty, their sense of comfort varied with their own prior experiences in the given settings. Lack of familiarity with the process of handover in a specific setting directly influenced assessors' perceptions of their own credibility. Although assessors identified the potential benefits of cross-specialty assessment, they also cited challenges to sustaining this approach. NEXT STEPS: Findings indicate a possible "contextual threshold" for cross-specialty assessment: tasks with high context specificity might not be suitable for cross-specialty assessment. Introducing higher-fidelity simulation into the training protocol and ensuring faculty members are remunerated for their time are necessary to establish future opportunities for shared assessment resources across training programs.

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)0,020
score de la tête « metaresearch » (Gemma)0,066
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 enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,066
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,005
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,074
Tête enseignante GPT0,395
Écart entre enseignants0,321 · 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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetHospital Admissions and OutcomesTravaux en français237 207