MétaCan
Menu
Retour à la cohorte
Enregistrement W3025887320 · doi:10.1136/bmjstel-2019-000573

Simulation curriculum evaluation and development in a postgraduate emergency medicine programme: a 2-year logic model follow-up

2020· article· en· W3025887320 sur OpenAlexaffabout
Jared Baylis, Kelsey Innes, Justin Roos, Chantal McFetridge, Connor McSweeney, Nicolle Holm

Notice bibliographique

RevueBMJ Simulation & Technology Enhanced Learning · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationLogic modelCurriculum developmentMedicinePsychologyNursingPedagogySociology

Résumé

récupéré en direct d'OpenAlex

Simulation is an educational tool most valuable when implemented by trained individuals.1 Having regular simulation-based educational (SBE) activities leads to skill acquisition transferable to real-life situations.2 Emergency medicine (EM) residents at the University of British Columbia (UBC) have a variety of SBE opportunities across the four training sites (Vancouver, Fraser Valley, Victoria and Kelowna). We previously completed step two of Kern’s six-step model for curriculum development; a formal learner-targeted needs assessment.3 The assessment found a desire for increased SBE and concerns around prebrief inconsistency that may have contributed to the 19% rate of reported lack of psychological safety. This project was the second stage in an iterative curricular improvement process using a logic model.4 We chose to use a logic model as it allowed us to analyse our current programme and how it relates to the outcomes we are trying to achieve. In doing so, we were able to construct a theory of change by mapping our logical assumptions about how resource inputs into our programme result in deliverable outputs.5 The main advantage to this approach was to gain a high-level understanding of our simulation programme so that we could target specific inputs as a way to modify outputs. Our inputs into the logic model (figure 1) included simulation facilitators, technologists and labs, a recently …

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Évaluation · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelmedium
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,002
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,431
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Métarecherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Simulation & Technology Enhanced LearningMême sujetSimulation-Based Education in HealthcareCatégorieMétarechercheTravaux en français237 207