MétaCan
Menu
Retour à la cohorte
Enregistrement W4200034444 · doi:10.11565/arsmed.v46i4.1862

Challenges of implementing competency-based medical education postgraduate training programs: the issue of context

2021· article· en· W4200034444 sur OpenAlexafffund
Marcio M. Gomes, Linda Snell

Notice bibliographique

RevueARS MEDICA Revista de Ciencias Médicas · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcGill University Health CentreMcGill UniversityRoyal College of Physicians and Surgeons of CanadaUniversity of Ottawa
Organismes subventionnairesMcGill UniversityUniversity of Ottawa
Mots-clésContext (archaeology)FidelityCurriculumMedical educationCore competencyProfessional developmentMedicinePsychologyComputer scienceBusinessPedagogy

Résumé

récupéré en direct d'OpenAlex

Introduction: Competency-based medical education (CBME) is being adopted worldwide. The aim of this paper is to discuss the evolution of CBME and address some perceived challenges in CBME curriculum development and implementation in postgraduate (residency) medical education. Methods: This is an opinion paper based on lived experiences and personal beliefs. The authors have professional training in medical education and are actively involved in CBME research, curriculum development and implementation around the world. Results: The issue of local and system-wide context seems to be of particular importance to individuals, programs, institutions, governing bodies and other stakeholders involved in the development and implementation of CBME programs. CBME has evolved differently at different places, and there are concerns regarding the fidelity of implementation. Stakeholders have been dealing with challenging questions in their CBME journeys, which reflect the varied, complex and dynamic nature of health and education systems. Recently, scholars have established core components of any CBME program. Discussion and conclusions: CBME design should benefit from ground-up strategies that consider the local context. It is essential to approach implementation with a quality improvement lens and pay special attention to the fidelity and integrity of the core CBME components.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,365
Écart entre enseignants0,314 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueARS MEDICA Revista de Ciencias MédicasMême sujetInnovations in Medical EducationTravaux en français237 207