Using outcome harvesting: Assessing the efficacy of CBME implementation
Notice bibliographique
Résumé
RATIONALE: In 2015, Queen's University embarked on an institution-wide transition to a competency-based medical education (CBME) curriculum for all 29 postgraduate medical education programmes. On 1 July 2017, this goal was accomplished. With this mass transition came the requirement to assess the efficacy of implementation through a programme evaluation process, which included the use of outcome harvesting (Wilson-Grau). Outcome harvesting identified the intended and unintended outcomes of CBME implementation, which helped us understand how the intervention was achieved and how the relationship between behaviours and stakeholders contributed to the successful transition. METHODS: A systematic approach to document analysis was used to categorize the eight identified areas of implementation: governance, scholarship, faculty development, resident leadership, curriculum, assessment, communications, and technology. Documents (N = 443) were organized per project area and then coded thematically. Documents were then categorized for attribution to outcomes using the outcome harvesting approach. Outcomes were validated via interrater reliability and substantiated by stakeholders to verify accuracy of formulation and plausibility of its influence on the outcome. RESULTS: The harvest produced 38 outcomes, either intended or unintended, that can be attributed to CBME implementation at Queen's University. CONCLUSION: Using outcome harvesting to assess the efficacy of CBME implementation produced a robust set of themes and resultant outcomes that can be categorized as requirements for success of implementation of any curricular innovation. Emergent themes included collaboration, community of practice, and stakeholder commitment. More unique observations noted through the harvest process included new policy development, creation of learner ownership, and an increase in the output of scholarly activity involving 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,165 | 0,243 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».