A Six-Step Model for Developing Competency Frameworks in the Healthcare Professions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle