Six steps in the right direction: guiding the development of competency frameworks in healthcare professions
Notice bibliographique
Résumé
The development of competency frameworks in healthcare professions is characterised by potentially inadequate descriptions of practice, variable developmental approaches, and inconsistent reporting and evaluating of outcomes. This may be in part due to limited existing guidance, which neglects broader contexts, lacks organising frameworks, and fails to provide guidance on selection of methods. To address such concerns, this paper first outlines a ‘systems thinking’ conceptual framework by which to conceptualise and describe clinical practice when developing competency frameworks. This is achieved through combining Ecological Systems Theory and complexity thinking to identify, and explore the contexts and components of clinical practice. The ‘systems thinking’ conceptual framework is then integrated into a six-step model for developing competency frameworks that synthesises and organises existing advice. The six steps include (1) identify practicalities (e.g. purpose, scope, detail, timeline), (2) identify influencing contexts and factors using ‘systems thinking’, (3) use aligned mixed-methods, (4) translate data into competency frameworks, (5) report processes and outcomes, and (6) plan to evaluate, update and maintain the competency framework. The model provides a logical organising structure of principles to guide assumptions and commitments when developing competency frameworks. Additionally, the model affords the flexibility required when exploring professional practice across varying contexts, and suggests employing mixed methodological approaches that are aligned with purpose and scope. The model acknowledges changing and complex contexts, considers existing guidance, and adds a unique and complementary means to conceptualise and improve the competency framework development process.
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 | 0,017 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».