Towards high reliability in national pathology education: Evaluating the United States and Canadian Academy of Pathology educational product
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
The United States and Canadian Academy of Pathology (USCAP) leadership undertook a high level, global review of educational product outcomes data using high reliability organization (HRO) principles: preoccupation with failure; reluctance to simplify; sensitivity to operations; commitment to resilience; and deference to expertise. HRO principles have long been applied to fields such as aviation, nuclear power, and more recently to healthcare, yet they are rarely applied to the field that underpins these-and many other-complex systems: education. While errors in education are less calamitous than in air travel or healthcare delivery, USCAP's educational products impact over 15,000 learners a year, and thus have important implications for the future practice of pathology. Here we report USCAP's experiences using HRO principles to evaluate our keystone educational product, the "USCAP Short Course." Following this novel method of data review, USCAP leadership was able to better understand diverse learner needs based on practice venue, training level, and course topic. Unexpected lessons included the identification of specifically challenging educational topics, such as molecular pathology, and a need to focus more resources on emerging fields such as quality and patient safety. The results allow USCAP to assess educational product performance using HRO tools, and provide strong data-driven decision support for future national pathology education strategy.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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