CONFERD-HP: Recommendations for Reporting COmpeteNcy FramEwoRk Development in Healthcare Professions
Notice bibliographique
Résumé
Competency frameworks outline the perceived knowledge, skills and other attributes required for professional practice. Competency frameworks have gained in popularity, in part for their ability to inform health professions education, assessment, professional mobility, and other activities. Previous research has shown inadequate reporting within reports describing their development and that may jeopardize their use and application. We aimed to develop a set of minimum criteria that provides guidance to authors (and consumers) in an effort to improve reporting of the development of competency frameworks. The checklist was developed by a 35-member expert panel and a five-member research team following published guidance from the Enhancing the QUAlity and Transparency Of health Research (EQUATOR) Network. The final checklist contains 20 essential reporting items including guidance on reporting title and abstract, framework development, the development process, testing and funding/conflicts of interest. The intent of the COmpeteNcy FramEwoRk Development in Health Professions (CONFERD-HP) reporting guideline is to help readers (including researchers, educators, regulators, health professionals, and patients) develop a greater understanding of relevant terminology, core concepts, and key items to report for competency framework development in health professions.
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 | 0,597 | 0,806 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,006 |
| Méta-épidémiologie (sens large) | 0,005 | 0,013 |
| Bibliométrie | 0,033 | 0,023 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,020 | 0,025 |
| Science ouverte | 0,015 | 0,023 |
| Intégrité de la recherche | 0,014 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,019 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».