Using Simulation-Based Methods to Support Demonstration of Competencies Required by Micro-Credential Courses
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.
Notice bibliographique
Résumé
The rise of the digital revolution has disrupted entire industries and job markets, leading individuals to either upgrade or transfer their skills in order to continue within their designated fields or transition to new workplace contexts. Employers expect their employees to apply their knowledge to real-world settings, analyze and solve problems, connect choices to actions, and innovate and create. Moreover, the COVID-19 pandemic has exacerbated changes to the educational landscape by forcing online and remote contexts; physical distancing and other preventive measures have necessitated a shift towards increasing the use of disruptive digital technologies- extended reality (e.g., virtual and augmented reality), gaming, and additive manufacturing-in simulation delivery. Yet Canada's economic and demographic data suggests that many new graduates struggle to transition from school to working life. The confluence of these factors has led to a need for both individuals and higher education institutions to upgrade and adapt to new digital techniques and modalities. As these needs grow, simulation-based education (SBE) techniques and technologies-already an integral part of training for some professions, including nursing, medicine, and various other health professions-are increasingly being used in digital contexts. In this editorial, we provide our perspective of the socio-technological movement associated with health-professions education (HPE) within the SBE context and examine the application and implementation of micro-credentialing within this field. We also discuss the various levels of expertise that learners may acquire. From this vantage point, we address how SBE can complement the assessment of competencies that learners must demonstrate to attain micro-credentials and explore micro-credentialing's advantages for, and use in, HPE.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle