Online Bridging Program for new international palliative medicine fellows: development and evaluation
Notice bibliographique
Résumé
OBJECTIVES: International medical graduates (IMGs) who pursue additional training in another country may encounter unique challenges that compromise their learning experience. This paper describes the development of an Online Bridging Program in the Division of Palliative Care at the University Health Network Toronto and examines its effectiveness in improving IMGs' readiness for Canadian fellowship training. METHODS: The annual Online Bridging Program was developed to help new IMGs transitioning to Canadian palliative fellowship using Kern's framework for curriculum development. Following a needs assessment, eight online modules with weekly live sessions were developed and underwent external content validation and usability tests. After each iteration, the programme was improved based on participant feedback. Evaluation was conducted first through an online survey immediately on completion of the programme and then through qualitative interviews 6 months into the fellowship. The interviews were analysed using Braun and Clarke's model for thematic analysis. RESULTS: Nine IMGs participated in the Online Bridging Program from 2018 to 2020. All nine participated in the survey and eight in the interviews. Responses to the online survey were almost unanimously positive, suggesting its effectiveness in assisting the IMGs' transitions into fellowship. The interviews revealed four major themes: the importance of combining online modules and live sessions, reducing the fellows' anxiety and easing the transition into their new role, an improved overall learning experience and recognising online format limitations. CONCLUSION: The Online Bridging Program effectively eased IMG palliative medicine fellows' transition into training and enhanced their learning 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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».