Development of International Learning Outcomes for Shelter Medicine in Veterinary Education: A Delphi Approach
Notice bibliographique
Résumé
Shelter medicine is a veterinary discipline of growing importance. Formally accepted as a clinical specialty in the US in 2014, the practice of shelter medicine worldwide is expanding. As a topic in veterinary pre-registration (undergraduate) education, it is frequently used as an opportunity to teach primary care skills, but increasingly recognized as a subject worthy of teaching in its own right. The aim of this study was to use a Delphi consensus methodology to identify learning outcomes relevant to shelter medicine education. Shelter medicine educators worldwide in a variety of settings, including universities, non-governmental organizations and shelters were invited to participate. Participants were initially invited to share shelter medicine teaching materials. These were synthesized and formatted into Learning Outcomes (LOs) based on Bloom's taxonomy and organized into five subject-specific domains. Participants were then asked to develop and evaluate the identified LOs in two rounds of online surveys. Consensus was determined at > 80% of panelists selecting "agree" or "strongly agree" in response to the statement "please indicate whether you would advise that it should be included in a shelter medicine education program" for each LO. In the second survey, where re-wording of accepted LOs was suggested, preference was determined at > 50% agreement. Through this method, 102 agreed LOs have been identified and refined. These LOs, as well as those which did not reach consensus, are presented here. These are intended for use by shelter medicine educators worldwide, to enable and encourage the further development of this important veterinary discipline.
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 | 0,004 | 0,007 |
| 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 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 ».