Formalisation de la scénarisation d’un dispositif de formation avec patients simulés : la méthode SIMPS (Sujets/Instructions au candidat/Mesures/Patient/Support technique)
Notice bibliographique
Résumé
Contexte : La scénarisation des activités de simulation est très importante. Beaucoup de gabarits sont proposés pour la simulation en immersion clinique simulée (ICS) mais peu sont réellement adaptés à la simulation avec patient simulé (PS). De plus, peu de lignes directrices proposent une réelle démarche de rédaction. Objectifs : Proposer une méthode de scénarisation basée sur une expérience de 15 ans en cliniques simulées. Méthodes : Une démarche empirique d’analyse de pratiques a été mise en œuvre, aboutissant à la formation d’une démarche méthodique « Sujets/Instructions au candidat/Mesures/Patient/Support technique » (SIMPS). Conclusion : La méthode SIMPS facilite la rédaction selon des étapes précises tout en respectant l’intégration des concepts pédagogiques liés à l’apprentissage par simulation. Avec la méthode SIMPS, n’importe quel clinicien qui désire participer à l’enseignement par simulation avec PS pourra se sentir guidé et en confiance. Des recherches doivent être menées pour évaluer cette méthode auprès des rédacteurs de scénarios de simulation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».