Pallium Canada's Curriculum Development Model: A Framework to Support Large-Scale Courseware Development and Deployment
Notice bibliographique
Résumé
The need to improve access to palliative care across multiple settings and disease groups has been identified. This requires equipping health care professionals from many different professions, including physicians and nurses, among others, with basic palliative care competencies to provide a palliative care approach. Pallium Canada's Curriculum Development Framework supports the development, deployment, and dissemination, on a large scale, of multiple courses targeting health care professionals across multiple settings of care and disease groups. The Framework is made up of eight phases: (1) Concept, (2) Decision, (3) Curriculum Planning, (4) Prototype Development, (5) Piloting, (6) Dissemination, (7) Language and Cultural Adaptation, and (8) Ongoing Maintenance and Updates. Several of these phases include iterative cyclical activities. The framework allows multiple courses to be developed simultaneously, staggered in a production line with each phase and their corresponding activities requiring different levels of resources and stakeholder engagement. The framework has allowed Pallium Canada to develop, launch, and maintain numerous versions of its Learning Essential Approaches to Palliative Care (LEAP) courses concurrently. It leverages existing LEAP courses and curriculum materials to produce new LEAP courses, allowing significant efficiencies and maximizing output. This article describes the framework and its various activities, which we believe could be very useful for other jurisdictions undertaking the work of developing education programs to spread the palliative care approach across multiple settings, specialties, and disease groups.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».