MétaCan
Menu
Retour à la cohorte
Enregistrement W4322756529 · doi:10.54531/gdil6011

Entrustable Professional Activities for simulation faculty?! A novel approach to standardizing mentorship and faculty development for healthcare simulation programs

2023· article· en· W4322756529 sur OpenAlexaffabout
Alyshah Kaba, Cherie Serieska, Nadine Terpstra, Tara Fuselli, Jennifer Semaka, Christina Eichorst, Vincent Grant

Notice bibliographique

RevueInternational Journal of Healthcare Simulation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésMentorshipDebriefingMilestoneMedical educationCurriculumFaculty developmentDelphi methodHealth careProfessional developmentProcess (computing)DelphiMedicinePsychologyPedagogyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Simulation-based education (SBE) literature emphasizes debriefing frameworks, with little discussion on developing SBE competencies. Introduced in 2005 by the Royal College of Physicians and Surgeons of Canada, Entrustable Professional Activities (EPAs) offer a robust curriculum development and assessment process for workplace-based assessments. There is paucity of literature on EPAs related to simulation and how simulation faculty move from novice to independent practice. The objective of this curricular innovation project was to develop standardized EPAs and milestones to assess the independence of simulation faculty by the end of mentorship. Using a modified Delphi technique, the team identified expert faculty to rate the level of importance for each EPA and milestone. Five EPAs were identified: Technology; Scenario Design; Simulation Facilitation; Prebriefing and Debriefing. EPAs provide a structured framework for tracking progress, targeting areas for formative feedback and offering opportunities for advancements and transformation of faculty development for simulation programs.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,192
Tête enseignante GPT0,488
Écart entre enseignants0,295 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Healthcare SimulationMême sujetSimulation-Based Education in HealthcareTravaux en français237 207