MétaCan
Menu
Retour à la cohorte
Enregistrement W3094774111 · doi:10.1055/s-0040-1717661

Kompetenz-basierte Weiterbildung Was es ist, wo es herkommt und wie passt es nach Deutschland?

2020· article· de· W3094774111 sur OpenAlexaff
Joachim Ludwig, Y. König, Günther Jonitz

Notice bibliographique

RevueZeitschrift für Orthopädie und Unfallchirurgie · 2020
Typearticle
Languede
DomaineSocial Sciences
ThématiqueEducation Methods and Technologies
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesGynecologyComputer scienceMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

Fragestellung: In Folge der neuen Weiterbildungsordnung (WBO) soll die kompetenzbasierte Weiterbildung (KBW) in Deutschland eingeführt werden. Nach diesen Vorgaben bescheinigt der Weiterbilder dem Weiterzubildenden die entsprechenden Kompetenzen, statt aktuell meist “Zahlen”. Andere Länder bilden Chirurgen bereits seit Jahren im Rahmen einer kompetenz-basierten Weiterbildung aus. Hier umfasst das Konzept der KBW allerdings weit mehr als die Bescheinigung einer “Kompetenz” anstelle einer “Anzahl” an Operationen. Um eine Übersicht über die kompetenz-basierte Weiterbildung zu geben, soll dieser Übersichtsvortrag folgendes aufzeigen: a) wie sich die KBW entwickelt hat, b) was KBW beinhaltet und c) wie sie in die Strukturen und das System der deutschen Weiterbildung passt. Methodik: KBW wurde in Kanada als Reaktion auf ein sich stark veränderndes Patientengut entwickelt. Basierend auf Fokus-Gruppen und Patientenbefragungen wurden erstrebenswerte Werte und Fähigkeiten definiert. Basierend auf diesen Werten wurde das Trainingssystem, die Ausbildung der Lehrenden, die Lernmethoden und Lernkontrollen angepasst. Den Inhalt der KBW stellt die folgende Verhältnispyramide dar: Abb.1 Verhältnispyramide zur Darstellung der Grundlagen von kompetenz-basierter Weiterbildung in der Chirurgie Die Struktur und das Weiterbildung System in Deutschland wurden anhand von Human Factor Methoden (Process Mapping; Hierarchical Task Analysis (HTA)) differenziert und mittels einem “Lovebug Diagram” in Bezug auf die Elemente der kompetenz-basierten analysiert. Hierzu wurden semi-strukturierte Interviews mit Stakeholdern der Weiterbildung und Weiterzubildenden geführt. Ergebnisse und Schlussfolgerung: In den Teilaspekten des “Lovebug Diagramm” Technologie, Organisation, Person, Aufgabe und Prozess stellt die aktuelle Weiterbildungsstruktur in Deutschland eine Herausforderung zur Implementation einer KBW dar. Das Weiterbildungscurriculum und die Weiterbildungsvoraussetzungen für Weiterbilder sind lückenhaft bezogen auf die Implementation von strukturierten Lehrinhalten, deren Supervision, Evaluation und Lernkontrolle. Aktuell erfolgt die Organisation der Weiterbildung in Deutschland in Strukturen, die sich wesentlich von den meisten Ländern unterscheiden, die bereits durch eine KBW ausbilden. Die Etablierung der KBW in diesen Ländern erfordert Personal, finanzielle Mittel und Lehr-/Lernstandards. Die Einführung einer KBW in Deutschland stellt eine große Herausforderung dar, da die eigentlich notwendigen Voraussetzungen bisher nicht geschafft wurden. Gerade deswegen sollte der Verbesserung der Weiterbildung von Chirurgen, die als der Faktor der Patientensicherheit der nächsten 30 Jahre diskutiert wird, größtes Interesse und Aufmerksamkeit gelten. Stichwörter: Weiterbildung, Kompetenz-basiert, Human Factors Publication History Article published online: 15 October 2020 © 2020. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany

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 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)0,010
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0060,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

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 Opus0,043
Tête enseignante GPT0,357
Écart entre enseignants0,314 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZeitschrift für Orthopädie und UnfallchirurgieMême sujetEducation Methods and TechnologiesTravaux en français237 207