MétaCan
Menu
← Retour à la cohorte
Enregistrement W3175958185 · doi:10.1096/fasebj.2018.32.1_supplement.17.1

Clinically‐Oriented Verbal Laboratory Assessments in the Gross Anatomy Pre‐Clerkship Medical Curriculum that are Designed to Assess Multiple Competencies

2018· article· en· W3175958185 sur OpenAlexaffabout
Charys M. Martin

Notice bibliographique

RevueThe FASEB Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentCurriculumMedical educationContext (archaeology)Process (computing)PsychologyMedicinePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

One of the fundamental principles of a competency‐based medical education curriculum is the integration of the assessment with the curriculum. Assessment needs to be designed to drive learning and similarly learning should drive assessment. Canadian medical schools follow the framework outlined by the Royal College of Physicians and Surgeons of Canada that a competent physician embodies the competencies of all seven CanMeds Roles: Medical Expert, Communicator, Collaborator, Leader, Health Advocate, Scholar, and Professional. All assessments within an integrated competency‐based medical education curriculum should assess more than medical expert. As such, at the Schulich School of Medicine and Dentistry at Western University, we re‐structured traditional bell‐ringer exams into verbal assessments with both individual and group components. Our goal in offering verbal assessments in a group setting was threefold: 1) students would be assessed in three CanMeds Roles: medical expert, collaborator, and communicator; 2) students would be able to receive immediate formative feedback on their knowledge level which in turn would promote mastery of the material; and 3) the verbal assessment would allow us to better assess the application of anatomical knowledge within a clinical context. This talk focusses on the effectiveness and limitations of this new model of assessment. In addition, the process and resources required for the in‐laboratory verbal assessments will be outlined and future directions will be explored. This abstract is from the Experimental Biology 2018 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .

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)0,008
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

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 Opus0,056
Tête enseignante GPT0,408
Écart entre enseignants0,352 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetInnovations in Medical Education→Travaux en français237 207→