Resident perceptions of Competency-Based Medical Education
Notice bibliographique
Résumé
BACKGROUND: Residency training programs in Canada are undergoing a mandated transition to competency-based medical education (CBME). There is limited literature regarding resident perspectives on CBME. As upper year residents act as mentors and assessors for incoming cohorts, and are themselves key stakeholders in this educational transition, it is important to understand how they view CBME. We examined how residents who are not currently enrolled in a competency-based program view that method of training, and what they perceive as potential advantages, disadvantages, and considerations regarding its implementation. METHODS: Sixteen residents volunteered to participate in individual semi-structured interviews, with questions focussing on participants' knowledge of CBME and its implementation. We used a grounded theory approach to develop explanations of how residents perceive CBME. RESULTS: Residents anticipated improved assessment and feedback, earlier identification of residents experiencing difficulties in training, and greater flexibility to pursue self-identified educational needs. Disadvantages included logistical issues surrounding CBME implementation, ability of attending physicians to deliver CBME-appropriate feedback, and the possibility of assessment fatigue. Clear, detailed communication and channels for resident feedback were key considerations regarding implementation. CONCLUSIONS: Resident views align with educational experts regarding the practical challenges of implementation. Expectations of improved assessment and feedback highlight the need for both residents and attending physicians to be equipped in these domains. Consequently, faculty development and clear communication will be crucial aspects of successful transitioning to CBME.
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 | 0,001 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,158 | 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 ».