Creating the Next Generation of Evidence-Based Veterinary Practitioners and Researchers: What are the Options for Globally Diverse Veterinary Curricula?
Notice bibliographique
Résumé
Veterinary educators strive to prepare graduates for a variety of career options with the skills and knowledge to use and contribute to research as part of their lifelong practice of evidence-based veterinary medicine (EBVM). In the veterinary curriculum, students should receive a grounding in research and EBVM, as well as have the opportunity to consider research as a career. Seeing a lack of a cohesive body of information that identified the options and the challenges inherent to embedding such training in veterinary curricula, an international group was formed with the goal of synthesizing evidence to help curriculum designers, course leaders, and teachers implement educational approaches that will inspire future researchers and produce evidence-based practitioners. This article presents a literature review of the rationale, issues, and options for research and EBVM in veterinary curricula. Additionally, semi-structured interviews were conducted with 11 key stakeholders across the eight Council for International Veterinary Medical Education (CIVME) regions. Emergent themes from the literature and interviews for including research and EBVM skills into the curriculum included societal need, career development, and skills important to clinical professional life. Approaches included compulsory as well as optional learning opportunities. Barriers to incorporating these skills into the curriculum were grouped into student and faculty-/staff-related issues, time constraints in the curriculum, and financial barriers. Having motivated faculty and contextualizing the teaching were considered important to engage students. The information has been summarized in an online "toolbox" that is freely available for educators to inform curriculum development.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».