A new wave of leaders: Early evaluation of the interdisciplinary Foundations of Leadership in Radiation Oncology (FLiRO) program
Notice bibliographique
Résumé
Purpose: Effective leadership across all areas of radiation oncology (RO) is vital to fully realise the benefits of radiation therapy in cancer care. We report outcomes of a novel interdisciplinary leadership program designed for RO professionals under a global joint society initiative. Methods: The Foundations of Leadership in RO (FLiRO) program was designed for aspiring RO leaders. Initially delivered in a blended learning format, it was adapted to fully virtual in 2021. It comprised a webinar tutorial, on-line modules and homework followed by 'live' in-person/virtual workshops over an approximately 6-week period. Topics included personal awareness, effective teamwork, quality improvement skills, leading change and conflict management. An immediate post-program online survey was performed using Likert scales to measure self-reported educational value, interaction with others and the likely application of learning to practice. Open comments were invited. Results: 170 participants from 36 countries and 6 continents took part from 2018 to 2021 (99 doctors, 36 physicists, 32 radiation therapists/RTTs and 3 others). 141 (83%) participants responded to the post-program survey. Average weightings for responders' views on whether pre-determined learning objectives were met ranged from 4.30 to 4.61 on a 5-point scale (1 = 'not met at all' and 5 = completely met). For the question addressing potential value of learning for application to their workplace, 124 of 130 (95%) of responders indicated that FLIRO would be 'very useful' or 'extremely useful'. Conclusion: Initial evaluation of the FLiRO program supports its continuation and expansion with ongoing evolution based on emerging evidence around leadership education and participant feedback.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».