MétaCan
Menu
Retour à la cohorte
Enregistrement W4226159206 · doi:10.3389/fmed.2021.789828

A Six-Step Model for Developing Competency Frameworks in the Healthcare Professions

2021· article· en· W4226159206 sur OpenAlexaff
Alan M Batt, Brett Williams, Jessica A. J. Rich, Walter Tavares

Notice bibliographique

RevueFrontiers in Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensThe Wilson CentreUniversity of TorontoQueen's University
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Scope (computer science)Identification (biology)Process (computing)Health careComputer scienceProcess managementKnowledge managementScope of practiceManagement scienceEngineering ethicsEngineeringPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Competency frameworks are developed for a variety of purposes, including describing professional practice and informing education and assessment frameworks. Despite the volume of competency frameworks developed in the healthcare professions, guidance remains unclear and is inconsistently adhered to (perhaps in part due to a lack of organizing frameworks), there is variability in methodological choices, inconsistently reported outputs, and a lack of evaluation of frameworks. As such, we proposed the need for improved guidance. In this paper, we outline a six-step model for developing competency frameworks that is designed to address some of these shortcomings. The six-steps comprise [1] identifying purpose, intended uses, scope, and stakeholders; [2] theoretically informed ways of identifying the contexts of complex, "real-world" professional practice, which includes [3] aligned methods and means by which practice can be explored; [4] the identification and specification of competencies required for professional practice, [5] how to report the process and outputs of identifying such competencies, and [6] built-in strategies to continuously evaluate, update and maintain competency framework development processes and outputs. The model synthesizes and organizes existing guidance and literature, and furthers this existing guidance by highlighting the need for a theoretically-informed approach to describing and exploring practice that is appropriate, as well as offering guidance for developers on reporting the development process and outputs, and planning for the ongoing maintenance of frameworks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,041
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,031
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0070,005
Études des sciences et des technologies0,0060,012
Communication savante0,0100,013
Science ouverte0,0050,009
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,043
Tête enseignante GPT0,386
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations57
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetInnovations in Medical EducationTravaux en français237 207