Enhancing Veterinary Student Engagement in Public Health and Epidemiology Coursework through a Client-Focused Risk Communication Assignment
Notice bibliographique
Résumé
The ongoing COVID-19 pandemic has highlighted the important role veterinarians play as public health communicators and emphasized the importance of engaging veterinary students in epidemiology and public health curriculum, the majority of whom have a clinical focus and struggle to see their relevance in relation to future career plans. To enhance student engagement, second-year DVM students were asked to create a one-page risk communication handout centered on a zoonotic disease and organized with public health message mapping. Informed by the distribution of students' self-declared career plans at admission to the DVM program, students were asked to choose from a list of zoonotic pathogens previously covered in the DVM curriculum and to select a relevant focus species and expected lay audience member. This assignment was scaffolded with previous infectious disease and communication coursework and provided an opportunity for all students to engage with public health material regardless of prior interest or knowledge. Students chose 13 of 15 zoonotic diseases provided, and their species and audience focuses were distributed across previously stated career focuses, including companion animals, food producing animals, exotic animals, and wildlife. Providing options relevant to diverse student experiences and connecting the assignment to clinical competencies supported student autonomy and engagement in public health content outside clinically focused core classes. Students' successful delivery of constructive peer feedback indicated their engagement with the public health course material, integration of learning from other parts of the curriculum, and perceived relevance of the assignment to their future career focus.
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 | 0,020 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».