Well-being Content Inclusion in Pharmacy Education Across the United States and Canada
Notice bibliographique
Résumé
Objective. To describe the landscape of Well-Being (WB) content inclusion across schools and colleges of pharmacy (S/COP) in the United States (U.S.) and Canada through identification of content implementation, incorporation, and assessment. Methods. A cross-sectional survey was distributed to all accredited S/COP in the U.S. (n=143) and Canada (n=10). Survey questions included curricular and co-curricular timing, frequency, assessment strategies and support for WB initiatives, using a framework of eight dimensions (pillars) of wellness to categorize content. Results. Descriptive data analyses were applied to 99 completed surveys (65%), 89 (62%) in the U.S. and 10 (100%) in Canada. WB content was most prevalent within the co-curricular realm and incorporated into didactic and elective more than experiential curricula. Most content came from intellectual, emotional, and physical pillars, and least from financial, spiritual, and environmental pillars. Less than 50% of S/COP include WB within their strategic plans or core values. Funding is primarily at the University (59%) or S/COP (59%) levels. Almost half of respondents reported inclusion of some assessment, with a need for more training, expertise, and standardization. Conclusion. Survey results revealed a wide range of implementation and assessment of WB programs across the U.S. and Canada. These results provide a reference point for the state of WB programs that can serve as a call to action and research across the Academy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».