Notice bibliographique
Résumé
We thank Bohler and colleagues for their interest in our article and for pointing out yet another threat to the utility of teaching evaluations (TEs). We agree that there can be a high burden on students for filling out course evaluations and teacher assessments, and that forcing people to submit feedback may not result in the most useful feedback. One review article summarized the literature and highlighted many useful strategies to improve course evaluation,1 including randomly sampling groups of students for each lecture or course in order to decrease the burden.2 The challenge of assessment burden exists for all groups. We calculated that for an average team size of 4 residents, an internal medicine staff physician who attends for 4 months per year may be required to complete up to 128 assessments of entrustable professional activities and 16 in-training evaluation reports, plus additional medical student assessments. Strategies that balance and optimize the quantity and quality of feedback are needed to improve processes for all. Further, we agree with the authors that anonymity certainly exacerbates all of the issues noted and is one of the key threats to having TEs function as feedback. Feedback is thought to be best when it is specific and contextual, which is missing when the recipient does not know who wrote the feedback or what it might be referring to.3 It makes it nearly impossible for the recipient to know what or how to improve. At least one group of clinicians has instituted nonanonymous feedback, which is something others may wish to explore.4 In the meantime, we should continue to seek the input of learners about their teachers. However, we must recognize the limits of what students are able to meaningfully assess, and situate these assessments as but one element of a broader appraisal of teaching and clinical supervision. The time has come to stop relying on learners as the sole source of feedback for teachers. Shiphra Ginsburg, MD, MEd, PhD Professor of medicine, Department of Medicine, Sinai Health System and Temerty Faculty of Medicine, University of Toronto, and scientist, Wilson Centre for Research in Education, University of Toronto, Toronto, Ontario, Canada, and Canada Research Chair in Health Professions Education; ORCID: http://orcid.org/0000-0002-4595-6650 Lynfa Stroud, MD, MEd Associate professor, Department of Medicine and Sunnybrook Health Sciences Centre and Temerty Faculty of Medicine, University of Toronto, and education researcher, Wilson Centre for Research in Education, University of Toronto, Toronto, Ontario, Canada
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 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,042 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,015 |
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 ».