MétaCan
Menu
Retour à la cohorte
Enregistrement W4292265079 · doi:10.1051/pmed/2022019

Enseigner en étant centré sur l’apprenant. Le témoignage concret d’une enseignante clinicienne

2022· article· fr· W4292265079 sur OpenAlexaff
Carmen Baltazar

Notice bibliographique

RevuePédagogie médicale · 2022
Typearticle
Languefr
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésArt

Résumé

récupéré en direct d'OpenAlex

Context: French departments of general medicine wish to implement longitudinal assessment of a resident’s progress. In Toulouse, intermediate objectives have been developed to track the evolution of resident competencies, an essential step for the certification. Aim: To develop a tool for assessing intermediate objectives. Method: A narrative review of the literature was carried out to identify the methods used in France and abroad to evaluate the progress of residents. In a second step, a working group of experts from the Faculty of Medicine at Toulouse University was set up to: (1) develop a tool to evaluate intermediate objectives; (2) propose a test phase during the summer semester of 2019 on a panel of interns and masters of training (MSU) from the Toulouse region. Results: We did not find in the literature any tool allowing a specific assessment towards competency in primary care. The tool we developed allows to trace the acquisition of intermediate objectives in two stages: at the second and sixth month of residency. The test phase evaluated its feasibility: 87% of the MSUs found the objectives relevant and 89% found the time required to complete the tool acceptable. Discussion: This concise tool would allow a specific measurement of the quality of interventions by residents in problems encountered in general medicine. It would complement existing evaluation tools for an inference of competency essential for the certification of a general practitioner.

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)0,006
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0060,005
Science ouverte0,0010,005
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0470,020

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 Opus0,027
Tête enseignante GPT0,302
Écart entre enseignants0,276 · 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'étudeQualitatif
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 présentnon

Explorer davantage

Même revuePédagogie médicaleMême sujetInnovations in Medical EducationTravaux en français237 207