MétaCan
Menu
Retour à la cohorte
Enregistrement W4220801262 · doi:10.1002/jppr.1804

Evidence for the development of skills for education, leadership and innovation through experiential‐based foundational pharmacy residency programs: a narrative review

2022· review· en· W4220801262 sur OpenAlexaff
Tarik Al‐Diery, Amy Page, Jacinta Johnson, Steven Walker, Diana Sandulache, Kyle John Wilby

Notice bibliographique

RevueJournal of Pharmacy Practice and Research · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensDalhousie University
Organismes subventionnairesUniversity of Otago
Mots-clésMentorshipMedicineExperiential learningMedical educationPharmacyLeadership developmentPharmacy practiceNarrativeGraduation (instrument)PedagogyPsychologyNursingPublic relationsPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Aim The aim of this narrative literature review was to describe the existing evidence for a post‐graduate experiential learning program, such as a foundational pharmacy residency, to support the competency development for early‐career pharmacists in conducting education, leadership and supporting innovation. Methods We identified publications that addressed research in skills development within foundational pharmacy residency programs. Articles were identified using the databases Scopus and Embase. Results It was found that foundational residency programs have supported competency development in delivering education, leadership and management, and support of innovation and quality improvement. Residency programs have fostered these skills development through the use of courses, assessments and activities, but to varying degrees. Many of these skills are attained as a benefit of inclusion and mentorship in non‐clinical tasks. Conclusion Residency programs can serve as a strong platform for the development of non‐clinical skills in education, leadership and innovation. A mix of activities and course‐specific skills building courses have demonstrated levels of success in developing skills in education, leadership and innovation when implemented.

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)0,016
score de la tête « metaresearch » (Gemma)0,040
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,676
Tête enseignante GPT0,664
Écart entre enseignants0,013 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy Practice and ResearchMême sujetInnovations in Medical EducationTravaux en français237 207