MétaCan
Menu
Retour à la cohorte
Enregistrement W4319316705 · doi:10.4103/ehp.ehp_27_22

Objective Structured Clinical Examination Case Writing

2023· article· en· W4319316705 sur OpenAlexaff
Fok‐Han Leung, Giovanna Sirianni, Kulamakan Kulasegaram

Notice bibliographique

RevueEducation in the Health Professions · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésObjective structured clinical examinationComputer sciencePsychologyMedicineMedical education

Résumé

récupéré en direct d'OpenAlex

The Objective Structured Clinical Examination (OSCE) is a commonly utilized modality to assess learner clinical skills in a simulated environment. It is important that OSCE cases are well written; A poorly constructed case can frustrate the learner, lack realism, and lead to disrupted narrative flow. An ideal response process in an OSCE case, or for any assessment, takes the learner to the patient’s bedside or puts them into the cognitive and affective state similar to that of clinical work. There are several parallels between writing OSCEs and creating Dungeons and Dragons (D&D) adventures. From determining the central conflict to designing D&D adventures using the classic three part structure, from creating challenging yet solvable challenges to distributing loot and treasure, the approaches and lessons of being a DM align with being an OSCE case writer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,557
Écart entre enseignants0,449 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation in the Health ProfessionsMême sujetInnovations in Medical EducationTravaux en français237 207