MétaCan
Menu
Retour à la cohorte
Enregistrement W4281941118 · doi:10.4995/head22.2022.14286

Designing a Novel Interprofessional and Inter-University Education Session for Healthcare Trainees to Improve Interprofessional Practice

2022· article· en· W4281941118 sur OpenAlexaff
Justine Hamilton, Ashwini Namasivayam‐MacDonald, Linnéa Shackel, Heather MacPhee

Notice bibliographique

Revue8th International Conference on Higher Education Advances (HEAd'22) · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDysphagia Assessment and Management
Établissements canadiensUniversity of ManitobaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésInterprofessional educationComputer scienceSession (web analytics)Health careAsynchronous communicationMedical educationPharmacyMedicineNursing

Résumé

récupéré en direct d'OpenAlex

Interprofessional education is widely acknowledged as critical for training successful clinicians, however logistical challenges often interfere with its implementation. The aim of this paper is to describe the procedures developed to enable students in different health professional programs in different geographic regions within the same country to learn about each other’s professions and apply this knowledge to optimize outcomes for patients. Principles from the Rehabilitation Treatment Specification System and Universal Design for Learning were combined to design an efficient and effective virtual approach to achieving interprofessional knowledge and collaborative skill outcomes. Application of these principles resulted in a 3-stage approach combining synchronous and asynchronous learning as well as didactic and problem-based learning. This paper describes the design and implementation for speech-language pathology and pharmacy students learning about swallowing disorders, but the procedures are applicable to a broad range of professions and academic content when interprofessional education is the goal.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,081
Tête enseignante GPT0,486
Écart entre enseignants0,405 · 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
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue8th International Conference on Higher Education Advances (HEAd'22)Même sujetDysphagia Assessment and ManagementTravaux en français237 207