MétaCan
Menu
Retour à la cohorte
Enregistrement W4283656218 · doi:10.3390/pharmacy10040071

Ranking of Curricular Content by Pharmacy Students and Community Pharmacists

2022· article· en· W4283656218 sur OpenAlexaffabout
Jeffrey G. Taylor, Holly Mansell, Jason Perepelkin, Danielle Larocque

Notice bibliographique

RevuePharmacy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPharmacyGraduation (instrument)Medical educationPerspective (graphical)Ranking (information retrieval)PsychologyMedicinePharmacistFamily medicine

Résumé

récupéré en direct d'OpenAlex

A cross-sectional survey was conducted to determine the relative rankings of 17 key components in an undergraduate program. The degree of discrepancy between curricular content and that of student and pharmacist expectations was also of interest. An online questionnaire was emailed to both groups in one Canadian province. Respondents considered four questions related to the nature and adequacy of education they did receive (pharmacists) or should receive (students) and the relative importance of key topic areas (along 11-point scales). The response rate was 31.0 (students) and 10.8 percent (pharmacists). As expected, both students and pharmacists identified therapeutics and patient counselling as critical focal points for the program, while the importance of compounding was mixed. Most topics were deemed as best handled during the didactic program, with students seeing greater value in learning a larger portion of two skills (injection training and managerial duties) post-graduation. In conclusion, discrepancies were indeed found. For students, topics such as injection training and minor ailment prescribing were perceived as receiving too little attention, while communication, pharmaceutical sciences, and professionalism received too much attention. In a significant departure in perspective, pharmacists rated communication, ethical decision-making, and professionalism almost two points higher than did students.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,113
Tête enseignante GPT0,447
Écart entre enseignants0,334 · 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'étudeObservationnel
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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePharmacyMême sujetInnovations in Medical EducationTravaux en français237 207