La physiothérapie française est-elle prête à intégrer des tests de concordance de script dans sa formation initiale ? Étude de faisabilité et d’acceptabilité
Notice bibliographique
Résumé
Contexte : La réforme de la formation en physiothérapie en France a été marquée par la montée en charge des concepts de compétence, de raisonnement clinique, d’incertitude et d’ Evidence-Based Practice . Les tests de concordance de script (TCS) sont des outils pédagogiques permettant de répondre à ces nouveaux besoins mais leur utilisation en physiothérapie française n’est pas décrite à ce jour. Objectifs : Cette étude avait pour objectifs : (1) d’étudier la faisabilité de création et administration d’une séquence de TCS dans le contexte de formation initiale de physiothérapie française ; (2) d’étudier la qualité de la séquence créée et (3) d’étudier l’acceptabilité de ce dispositif pour la population d’étudiants. Méthodes : Une séquence TCS spécifique au champ musculo-squelettique, comportant 25 vignettes cliniques, soit 75 items, a été créée puis étalonnée par 16 panélistes. Elle a été soumise à des étudiants de cinquième année de physiothérapie issus de quatre instituts de formation en physiothérapie et des professionnels en activité. La faisabilité, la qualité et l’acceptabilité ont été évaluées grâce à une analyse psychométrique et un questionnaire d’opinion soumis aux étudiants et aux panélistes. Résultats : Le test a été administré à 206 étudiants et 51 professionnels. L’analyse psychométrique de la séquence optimisée (66 items) montre une validité et une fidélité satisfaisante. Les questionnaires d’opinion montrent un accueil très favorable. Conclusion : La faisabilité et l’acceptabilité des TCS semblent favorables à une implantation et un développement en formation initiale de physiothérapie française.
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 | 0,004 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».