Five Domains of a Conceptual Framework of Continuing Professional Development
Notice bibliographique
Résumé
ABSTRACT: Continuing professional development (CPD) for health professionals involves efforts at improving health of individuals and the population through educational activities of health professionals who previously attained a recognized level of acceptable proficiency (licensure). However, those educational activities have inconsistently improved health care outcomes of patients. We suggest a conceptual change of emphasis in designing CPD to better align it with the goals of improving health care value for patients through the dynamic incorporation of five distinct domains to be included in learning activities. We identify these domains as: (1) identifying, appraising, and learning new information [New Knowledge]; (2) ongoing practicing of newly or previously acquired skills to maintain expertise [New Skills and Maintenance]; (3) sharing and transfer of new learning for the health care team which changes their practice [Teams]; (4) analyzing data to identify problems and drive change resulting in improvements in the health care system and patient outcomes [Quality Improvement]; and (5) promoting population health and prevention of disease [Prevention]. We describe how these five domains can be integrated into a comprehensive conceptual framework of CPD, supported by appropriate learning theories that align with the goals of the health care delivery system. Drawing on these distinct but interrelated areas of CPD will help organizers and directors of learning events to develop their activities to meet the goals of learners and the health care system.
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 | 0,020 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,020 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».