Accreditation Approaches for Professional Education Programs: Toward Best Practice
Notice bibliographique
Résumé
Accreditation has a central role in the quality assurance of professional education programs, but research on the effectiveness of different models of accreditation is limited. The purpose of this study was to rapidly appraise the evidence for the effectiveness, impact, and feasibility of different accreditation approaches, in order to inform best practices for the accreditation of professional education programs. The study focused on accreditation for programs that produce practice-ready graduates, including for veterinary programs. The authors searched several databases for articles published from 2000 to 2020, using search terms identified during a scoping phase, and applied a "rapid review" methodology in line with contextual, time, and resource requirements. Relevant articles that were classed as empirical or conceptual were included in the study, while papers appraised as solely commentaries or descriptive were excluded from the evidence base. The full-text review included 32 articles. We identified a clear transition in the literature from input- and process-based models (pre- and early 2000s) to outcomes-based models (in the 2000s and early 2010s). Continuous quality improvement and targeted models (including risk-based and thematic) represent more recent approaches in accreditation practice. However, as noted by other scholars, we identified limited empirical evidence for the relative effectiveness of different accreditation approaches in professional education, although evidence for the more recent accreditation approaches is emerging. In terms of best practice in view of the current lack of definitive evidence for the adoption of any specific model of accreditation, we argue that accrediting authorities adopt a contextual approach to accreditation that includes clearly articulating the purpose and focus of their regulatory activities, and selecting and implementing accreditation methods that are consistent with their underlying principles.
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 | 0,295 | 0,412 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,026 | 0,022 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,025 | 0,031 |
| Science ouverte | 0,010 | 0,014 |
| Intégrité de la recherche | 0,012 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».