MétaCan
Menu
Retour à la cohorte
Enregistrement W3093387966 · doi:10.3138/jvme-2019-0120

Evaluation of the Bachelor of Veterinary Medicine (BVM) Curriculum at Sokoine University of Agriculture in Tanzania: Mapping to OIE Veterinary Graduate ‘Day 1 Competencies’

2020· article· en· W3093387966 sur OpenAlexvenueno aff
Erick Komba, Maulilio J. Kipanyula, Amandus P. Muhairwa, Rudovick Kazwala, Jahashi Nzalawahe, Modesta Makungu, Tesfaalem Sebhatu, Derek A. Mosier, Keith Hamilton, Lina Mur, Peggy L. Schmidt

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumTanzaniaVeterinary medicineBachelorAgricultureMedical educationAnimal healthMedicineVeterinary educationPolitical sciencePsychologyBiologySociologyPedagogySocioeconomics

Résumé

récupéré en direct d'OpenAlex

The World Organisation for Animal Health (OIE) provides the requirements needed for graduating veterinary professionals to be competent in the delivery of animal health services. However, significant differences in veterinary curricula across countries-attributable to differing animal health priorities and predominant types of veterinary practice-provide a challenge for veterinary schools to address these competencies adequately. As part of the OIE's veterinary education establishment Twinning Project activities, the College of Veterinary Medicine and Biomedical Sciences (CVMBS) of Sokoine University of Agriculture (SUA) in Tanzania undertook a curriculum mapping and gap analysis to assess the extent to which the veterinary curriculum addresses OIE's 'Day 1 Competencies' for graduating veterinarians. Results of the analysis indicated that all the OIE's Day 1 Competencies (general, specific, and advanced) are addressed to some degree by the courses present in the curriculum. However, gaps in the depth and breadth of instruction were found for a number of competencies in all three categories. These findings indicate a need for addressing the gaps in the next curriculum review. This will allow the development of a stronger curriculum that will efficiently meet the national and international animal health requirements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,674
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,481
Tête enseignante GPT0,485
Écart entre enseignants0,004 · 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

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207