The Scope of Social Mission Content in Health Professions Education Accreditation Standards
Notice bibliographique
Résumé
PURPOSE: Health professions education accreditation standards influence institutional practices and policies and ensure high-quality education that meets the needs of patients and society. Social mission is the contribution of a school in its mission, programs, and the performance of its graduates, faculty, and leadership to advancing health equity and addressing the health disparities of the society in which it exists. This study examined the scope of social mission content in major U.S. and Canadian health professions education accreditation standards. METHOD: The authors analyzed publicly available accreditation standards documents from 9 accreditors across 5 disciplines-dental, medical, nursing, pharmacy, and physician assistant schools-with effective years from 2016 to 2020. They created a codebook from the previously published social mission metrics survey, which includes 18 social mission activity areas and 79 indicators within those areas. The authors then conducted detailed document reviews to identify the presence of the social mission areas and indicators within the accreditation standards. RESULTS: Across all 18 activity areas and 9 accreditors, the authors identified 93 instances of social mission. Curriculum was the most well-represented area with 34 instances. Interprofessional education in curriculum was the most prevalent indicator with 17 instances. The Committee on Accreditation of Canadian Medical Schools included more social mission areas and indicators than the other accreditors. CONCLUSIONS: There is substantial variability in the social mission content in accreditation standards across accreditors and disciplines. The authors found little representation of key aspects of social mission, including community collaborations, faculty training, and pipeline programs. These findings highlight areas of potential interdisciplinary collaboration to enhance the social mission content of health professions education.
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 | 0,051 | 0,176 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».