Assessing Unperceived Learning Needs in Continuing Medical Education for Primary Care Physicians: A Scoping Review
Notice bibliographique
Résumé
INTRODUCTION: Assessing needs before developing continuing medical education/continuing professional development (CME/CPD) programs is a crucial step in the education process. A previous systematic literature review described a lack of objective evaluation for learning needs assessments in primary care physicians. This scoping review updates the literature on uses of objective evaluations to assess physicians' unperceived learning needs in CME/CPD. Identifying and understanding these approaches can inform the development of educational programs that are relevant to clinical practice and patient care. The study objectives were to (1) scope the literature since the last systematic review published in 1999; (2) conduct a comprehensive search for studies and reports that explore innovative tools and approaches to identify physicians' unperceived learning needs; (3) summarize, compare, and classify the identified approaches; and (4) map any gaps in the literature to identify future areas of research. METHODS: A scoping review was used to "map" the literature on current knowledge regarding approaches to unperceived needs assessment using conceptual frameworks for planning and assessing CME/CPD activities. RESULTS: Two prominent gaps were identified: (1) performance-based assessment strategies are highly recommended in nonresearch articles yet have low levels of implementation in published studies and (2) analysis of secondary data through patient input or environmental scanning is emphasized in grey literature implementation strategies more so than in peer-reviewed theoretical and research articles. DISCUSSION: Future evaluations should continue to incorporate multiple strategies and focus on making unperceived needs assessments actionable by describing strategies for resource management.
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 | 0,056 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,028 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».