CONFERD-HP: recommendations for reporting COmpeteNcy FramEwoRk Development in health professions
Notice bibliographique
Résumé
BACKGROUND: Competency frameworks outline the perceived knowledge, skills, attitudes, and other attributes required for professional practice. These frameworks have gained in popularity, in part for their ability to inform health professions education, assessment, professional mobility, and other activities. Previous research has highlighted inadequate reporting related to their development which may then jeopardize their defensibility and utility. METHODS: This study aimed to develop a set of minimum reporting criteria for developers and authors of competency frameworks in an effort to improve transparency, clarity, interpretability and appraisal of the developmental process, and its outputs. Following guidance from the Enhancing the QUAlity and Transparency Of health Research (EQUATOR) Network, an expert panel was assembled, and a knowledge synthesis, a Delphi study, and workshops were conducted using individuals with experience developing competency frameworks, to identify and achieve consensus on the essential items for a competency framework development reporting guideline. RESULTS: An initial checklist was developed by the 35-member expert panel and the research team. Following the steps listed above, a final reporting guideline including 20 essential items across five sections (title and abstract; framework development; development process; testing; and funding/conflicts of interest) was developed. CONCLUSION: The COmpeteNcy FramEwoRk Development in Health Professions (CONFERD-HP) reporting guideline permits a greater understanding of relevant terminology, core concepts, and key items to report for competency framework development in the health professions.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».