MétaCan
Menu
Retour à la cohorte
Enregistrement W4322620256 · doi:10.2147/amep.s402059

Utilizing Evaluation and Development Frameworks to Engineer a College-Wide Evaluation and Reform of an Undergraduate Dental Curriculum

2023· article· en· W4322620256 sur OpenAlexfundno aff
Abdurahman Alwadei

Notice bibliographique

RevueAdvances in Medical Education and Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Dentistry, University of MarylandUniversity of Texas Health Science Center at HoustonMcGill UniversityUniversity of TorontoUniversity of Louisville
Mots-clésOperationalizationCurriculumOptimal distinctiveness theoryHindsight biasMedical educationProcess (computing)Data collectionFocus groupDental educationComputer scienceEngineering ethicsPsychologyMedicinePedagogyEngineeringSociology

Résumé

récupéré en direct d'OpenAlex

Purpose: To operationalize and analyze a college-wide evaluation of an undergraduate dental curriculum. Materials and Methods: A descriptive case study design was used with extensive multiple data collection methods that included literature review, document review of existing data, survey questionnaires, focus group semi-structured interviews and observation of clinical and laboratory tasks. This approach was based on Kern's curriculum development model and Fitzpatrick's practical guidelines and evaluation standards. Results: The evaluation outcomes indicated that a significant curricular change is needed. In hindsight, a thorough reflection on the evaluation strategy is provided highlighting several contextual factors. Actionable recommendations and comparisons are also drafted to shape a coherent curriculum reform implementation. Conclusion: The process by which the evaluation was conducted, and the reform implementation is being instituted, while unique to this college, may offer insights for change at other dental colleges. In that, greater emphasis is placed on the general principles that remain applicable to other comparable contexts regardless of the distinctiveness in specificities.

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)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,447
Écart entre enseignants0,422 · 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.

Devis d'étudeAutre devis
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 revueAdvances in Medical Education and PracticeMême sujetInnovations in Medical EducationTravaux en français237 207