MétaCan
Menu
Retour à la cohorte
Enregistrement W3123071100 · doi:10.6018/reifop.460841

La COVID-19 evidencia la necesidad de incrementar las competencias en economía de los estudiantes de veterinaria

2021· article· es· W3123071100 sur OpenAlex
Irene Vidaurreta Porrero, Ángel Gómez‐Martín, Christian de la Fe Rodríguez

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRevista Electrónica Interuniversitaria de Formación del Profesorado · 2021
Typearticle
Languees
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceCoronavirus disease 2019 (COVID-19)ArtMedicine

Résumé

récupéré en direct d'OpenAlex

La pandemia Covid-19 ha motivado la adopción de medidas excepcionales en todo el mundo, a efectos de limitar los contagios y el colapso de los sistemas sanitarios. El cierre de comercios y otras actividades consideradas no esenciales, o las limitaciones al movimiento, ha generado un impacto económico en el sector de los pequeños rumiantes, poniendo de manifiesto la necesidad del profesional veterinario de disponer de las competencias necesarias para valorar económicamente el impacto de las enfermedades en los colectivos. Este trabajo analiza, en primer lugar, la formación en economía que reciben los estudiantes del Grado de Veterinaria en las diferentes facultades españolas, comparándola con la que reciben los estudiantes en el Grado de Ingeniería Agrícola. En segundo lugar, se ha diseñado una encuesta para egresados y estudiantes de último curso de veterinaria, en referencia a este tipo de competencias, su aplicación en la sanidad animal y su repercusión en el desempeño profesional. Los datos evidencian que el tiempo empleado para adquirir las competencias en economía de los veterinarios es menor (3-6 créditos en 5 años) que el que disponen los ingenieros agrícolas (12 créditos en 4 años). Los resultados de la encuesta revelan que, si bien se registran diferencias significativas cuantitativamente entre egresados y estudiantes, ambos grupos coinciden en la escasa formación recibida para valorar el impacto de las enfermedades en los colectivos, así como en la necesidad de formarse en aspectos de gestión económica una vez finalizados sus estudios de grado para el desempeño de su labor profesional, competencias que deberían ser reforzadas en el grado. Entre los egresados, la opinión es similar, independientemente de los años de desempeño profesional. The Covid-19 pandemic led to extreme control measures around the world aiming to halting the number of new infections. Non-essential activities closures and population confinement had an economic impact on the small ruminant sector, highlighting the need for veterinarians to have some skills to assess the economic impact of diseases on flocks. Firstly, this study analyzed the economic training received by the veterinary students at the Spanish faculties, also comparing it with the ones received by students of the agricultural engineering degree. Secondly, a survey in reference to the acquisition of this type of competences and its application for animal health was designed and applied for graduates and final-year veterinary students. The data showed that the ECTS taken to acquire the economic skills of veterinarians is less (3-6 ECTS in 5 years) than that of agricultural engineers (12 ECTS in 4 years). The results of the survey also showed that, although there are significant differences between graduates and students, both them are largely in agreement on the little training received to assess the impact of diseases, and on the need for an additional training after completing their studies. Therefore, these skills should be reinforced in the degree. Among the graduates, the opinion is similar, regardless of the years of professional experience.

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.

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)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,092
Tête enseignante GPT0,442
Écart entre enseignants0,350 · 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