Professional skills for physiology majors: defining and refining
Notice bibliographique
Résumé
Changing labor markets require a workforce that is broadly trained for a variety of possible careers. Recognizing this, government and industry representatives, along with students and their families, are encouraging universities and colleges to focus more on developing transferable skills to maximize employability of their graduates. In response, academic institutions and professional organizations have begun to develop lists of transferable professional skills that they expect students to have acquired on graduation. At the 2018 Physiology Majors Interest Group (P-MIG) meeting, participants stated that there was a need to define a list of professional skills for undergraduates completing a physiology major. To this end, a professional skills committee was established. Initially members of the committee worked together to develop a draft list of skills. An iterative process of refining the list was then undertaken through presentations/small-group discussions at appropriate international meetings and via an online survey. Over 60 physiology educators, the majority of whom teach in undergraduate programs, provided input. The final list (presented here) consists of 13 skills grouped in four broad categories: think critically, communicate effectively, behave in a socially and scientifically responsible manner, and demonstrate laboratory proficiency. It is anticipated that the list will be used for curriculum mapping and to guide the development of new physiology courses and major programs. The professional skills committee now plans to develop rubrics and tools that will allow for the assessment of these skills.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».