STEPS TOWARD RAISE: CO-DESIGN OF COMPETENCY-BASED EDUCATION TO ENGAGE FAMILY CAREGIVERS AS PARTNERS
Notice bibliographique
Résumé
Abstract Meeting the needs of a growing population of older people living with complex conditions is highly dependent on healthcare providers partnering with family caregivers (FCGs). FCGs provide 90% of the care yet are marginalized within healthcare systems. Educating healthcare providers to support FCGs is a necessary step towards addressing the inconsistent system of supports for diverse FCGs throughout variable care trajectories. Current research suggests that co-design benefits stakeholders, produces superior outcomes, and facilitates moving knowledge efficiently into healthcare practices. Currently, moving best practices into healthcare is a time-consuming process (10-17 years). This presentation will discuss a feasible three-phase co-design process that included 120 multilevel interdisciplinary stakeholders including FCGs, educators, researchers, not-for-profit and healthcare providers/leaders, educational designers, and policy influencers/makers: 1) Developing relationships and insights; 2) Translating insights into education design; and 3) Planning the implementation, spread, and scale-up. The research tools used included literature reviews, qualitative and survey research on specific topics, consultations (symposia, modified Delphi process, co-design meetings), and mixed methods evaluation. Three modules, Foundational, COVID-19, and Advanced have been developed. Learners report high satisfaction, relevance, and significant knowledge gains upon completion. This successful education co-design required three critical elements: 1) an engaged co-design team led by people knowledgeable about healthcare and FCGs; 2) team access to collaborators/staff with the appropriate theoretical, research, and facilitation skills; and 3) an educational design team to bring stakeholders’ ideas to life. Leveraging stakeholders’ insights are a critical step towards the RAISE act goal of educating healthcare providers to include FCGs as partners-in-care.
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 | 0,040 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».