How Teachers Adapt Their Cognitive Strategies When Using Entrustment Scales
Notice bibliographique
Résumé
PURPOSE: Rater cognition is a field of study focused on individual cognitive processes used by medical teachers when completing assessments. Much has been written about the role of rater cognition in the use of traditional assessment scales. Entrustment scales (ES) are becoming the tool of choice for workplace-based assessments. It is not known how moving to an entrustment framework may cause teachers to adapt their cognitive rating strategies. This study aimed to explore this gap by asking teachers to describe their thinking when making rating decisions using a validated ES. METHOD: Using purposive sampling, family medicine teachers supervising obstetrical care were invited to participate in cognitive interviews. Teachers were interviewed between December 2018 and March 2019 using retrospective verbal protocol analysis. They were asked to describe their experiences of rating residents in the last 6 months using new ES. Constructivist grounded theory guided data collection and analysis. Interviews were recorded, transcribed, and analyzed iteratively. A constant comparative approach was used to code and analyze the data until consensus was reached regarding emerging themes. RESULTS: There was variability in how teachers used the ES. Faculty describe several ways in which they ultimately navigated the tool to say what they wanted to say. Four key themes emerged: (1) teachers interpreted the anchors differently based on their cognitive framework, (2) teachers differed in how they were able to cognitively shift away from traditional rating scales, (3) teachers struggled to limit assessments to a report on observed behavior, and (4) teachers contextualized their ratings. CONCLUSIONS: Variability in teachers' interpretation of learner performance persists in entrustment frameworks. Rater's individual cognitive strategies and how they observe, process, and integrate their thoughts into assessments form part of a rich picture of learner progress. These insights can be harnessed to contribute to decisions regarding readiness for unsupervised practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».