Perceptions and barriers to competency‐based education in Canadian postgraduate medical education
Notice bibliographique
Résumé
RATIONALE: We describe our initial experiences to highlight perceptions and barriers and facilitate implementation at other centers. METHODS: Anonymous online surveys were administered to faculty and residents transitioning to CBE (138 respondents) including (a) Queen's programme leaders (Programme Directors and CBME Leads) [n = 27], (b) Queen's residents [n = 102], and (c) Canadian neurology programme directors [n = 9] and were analysed using descriptive and inferential statistical techniques. RESULTS: Perceptions were favourable (x = 3.55/5, SD = 0.71) and 81.6% perceived CBE enhanced training; however, perceptions were more favourable among faculty. Queen's programme leaders indicated that CBE did not improve their ability to provide negative feedback. Queen's residents did not perceive improved quality of feedback. National Canadian neurology programme directors did not perceive that their institutions had adequately prepared them. There was variability in barriers perceived across groups. Queen's programme leaders were concerned about resident initiative. Queen's residents felt that assessment selection and faculty responsiveness to feedback were barriers. Canadian neurology programme directors were concerned about access to information technology. RECOMMENDATIONS: Our results indicate that faculty were concerned about the reluctance of residents to actively participate in CBE, while residents were hesitant to assume such a role because of lack of familiarity and perceived benefit. This discrepancy indicates attention should be devoted to (a) institutional administrative/educational supports, (b) faculty development around feedback/assessment, and (c) resident development to foster ownership of their learning and familiarity with CBE.
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 | 0,012 | 0,319 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».