Recognizing Change in Post-Graduate Medical Education Using the Organizational Knowledge Creation Model
Notice bibliographique
Résumé
Context: Université de Montréal medical school implemented Competency-based medical education, an important organizational change. Recognizing and reporting progress towards change is critical for success. Yet, informative frameworks that allow educators to track progress aren’t available. We used the Organizational Knowledge Creation Model for such a purpose. Purpose: This paper reports on how we used the Organizational Knowledge Creation Model to recognize change towards Competency-based Medical Education implementation. Method: Because Organizational Knowledge Creation Model focuses on the relationships between individuals and social structures, we selected an embedded case study approach. Diverse case sampling was used to select three academic departments: internal medicine, surgery and psychiatry. Data collection was conducted at two intervals, two years apart. Semi-structured interviews (individual and group) were conducted with Department Heads and Educators. Thematic analysis was conducted on the 15 interview transcripts and coded according to the four Organizational Knowledge Creation Model stages. Results: As implementation begins, selected and trained Educators critically revisit teaching routines and develop common conception of Competency-based medical education. This enables communication with wider audiences and intervene within existing working groups where Competency-based medical education is “broken down” into practical concepts. Educators’ roles evolved from “expert” who disseminates knowledge about Competency-based medical education, to responsive and pragmatic tutors who develop practical tools with peers and program directors. Conclusion: The Organizational Knowledge Creation Model framework provided a deep understanding of ongoing change. Study participants, interviewed twice, described their perception of change as it progressed as well as insights into the underlying dynamics. As medical schools evolve, Organizational Knowledge Creation Model may be a valuable conceptual tool to track progress and describe tangible changes.
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 | 0,021 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».