Grappling with key questions about assessment of the Health Advocate role
Notice bibliographique
Résumé
Introduction: Although the CanMEDS framework sets the standard for Canadian training, health advocacy competence does not appear to factor heavily into high stakes assessment decisions. Without forces motivating uptake, there is little movement by educational programs to integrate robust advocacy teaching and assessment practices. However, by adopting CanMEDS, the Canadian medical education community endorses that advocacy is required for competent medical practice. It's time to back up that endorsement with meaningful action. Our purpose was to aid this work by answering the key questions that continue to challenge training for this intrinsic physician role. Methods: We used a critical review methodology to both examine literature relevant to the complexities impeding robust advocacy assessment, and develop recommendations. Our review moved iteratively through five phases: focusing the question, searching the literature, appraising and selecting sources, and analyzing results. Results: Improving advocacy training relies, in part, on the medical education community developing a shared vision of the Health Advocate (HA) role, designing, implementing, and integrating developmentally appropriate curricula, and considering ethical implications of assessing a role that may be risky to enact. Conclusion: Changes to assessment could be a key driver of curricular change for the HA role, provided implementation timelines and resources are sufficient to make necessary changes meaningful. To truly be meaningful, however, advocacy first needs to be perceived as valuable. Our recommendations are intended as a roadmap for transforming advocacy from a theoretical and aspirational value into one viewed as having both practical relevance and consequential implications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».