MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312292667 · doi:10.14302/issn.2692-1537.ijcv-22-4101

A Proposal of Revised Curriculum to Circumvent the Impact of COVID Restrictions on Final Year Medical Students

2022· article· en· W4312292667 sur OpenAlexaff
Rao Khalid Mehmood, PAWAR Gaurav, Kaleem Akhtar, Farooq Ahmad Dar, Muhammad Akhtar Hamid

Notice bibliographique

RevueInternational Journal of Coronaviruses · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensThe Scarborough Hospital
Organismes subventionnairesnon disponible
Mots-clésCurriculumContext (archaeology)Medical educationCoronavirus disease 2019 (COVID-19)Curriculum mappingProcess (computing)Unit (ring theory)PandemicCurriculum developmentMedicinePsychologyMathematics educationPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Medical education has been extraordinarily disrupted during the COVID-19 era worldwide. The pandemic limited routine ward or patient-based medical education. These limitations have resulted in new challenges for medical students, especially the final year students in completing their mandated curriculum. We are suggesting a revised curriculum for final year medical students, by following which we can address COVID restriction while making sure all competencies have been achieved by students. This revised curriculum centers around the usual placement of students in Surgical Assessment Unit (SAU), however all students will be posted in simulation wards/labs on their turn to enhance and consolidate their understanding and learning of common surgical cases in these wards, so that they can replicate these skills in SAU and wards on their turns. This article highlights how the proposed curriculum addresses the learning needs of final year medical students in their surgery rotation. The article will also summarize the critical appraisal process of our curriculum in the context of curriculum design theories. Finally, the article will highlight the quality assurance measures adhered to while developing the curriculum.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,447
Écart entre enseignants0,407 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Coronaviruses→Même sujetInnovations in Medical Education→Travaux en français237 207→