MétaCan
Menu
Retour à la cohorte
Enregistrement W3135884927 · doi:10.1515/ijnes-2020-0104

A conceptual framework of student professionalization for health professional education and research

2021· article· en· W3135884927 sur OpenAlexaff
Marilou Bélisle, Patrick Lavoie, Jacinthe Pépin, Nicolás Fernández, Louise Boyer, Kathleen Lechasseur, Caroline Larue

Notice bibliographique

RevueInternational Journal of Nursing Education Scholarship · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversité LavalMontreal Heart InstituteUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésProfessionalizationProfessional developmentConceptual frameworkPedagogyProfessional learning communityIdentity (music)SociologyMedical educationEngineering ethicsPsychologyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To present a conceptual framework of student professionalization for health professional education and research. METHODS: Synthesis and discussion of a program of research on competency-based education. RESULTS: Competency-based education relies on active, situation-based group learning strategies to prepare students to become health professionals who are connected to patient and population needs. Professionalization is understood as a dynamic process of imagining, becoming, and being a member of a health profession. It rests on the evolution of three interrelated dimensions: professional competencies, professional culture, and professional identity. Professionalization occurs throughout students' encounters with meaningful learning experiences that involve three core components: the roles students experience in situations bounded within specific contexts. Educational practices conducive to professionalization include active learning, reflection, and feedback. CONCLUSIONS: This conceptual framework drives a research agenda aimed at understanding how students become health professional and how learning experiences involving action, reflection, and feedback foster that process and the advancement of professional practices.

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)0,030
score de la tête « metaresearch » (Gemma)0,020
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: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0040,029
Communication savante0,0090,010
Science ouverte0,0030,006
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,173
Tête enseignante GPT0,615
Écart entre enseignants0,442 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Education ScholarshipMême sujetInnovations in Medical EducationTravaux en français237 207