MétaCan
Menu
Retour à la cohorte
Enregistrement W4388755876 · doi:10.1080/0142159x.2023.2279908

Examining the WFME Recognition Programme at 10 years

2023· article· en· W4388755876 sur OpenAlexaff
Sean Tackett, Cynthia Whitehead, Ahmed Rashid

Notice bibliographique

RevueMedical Teacher · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensWomen's College HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésAccreditationScrutinyMedical educationCommissionAgency (philosophy)Political scienceTransparency (behavior)MedicinePublic relationsSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2012, the World Federation for Medical Education (WFME) evaluated and formally recognized the first agency in its Recognition Programme (RP). The RP was developed to review accrediting authorities in response to a 2010 policy by the Educational Commission for Foreign Medical Graduates (ECFMG) to require international medical graduates (IMGs) seeking to practice in the U.S. to graduate from an appropriately accredited medical school. By the end of 2022, WFME had recognized 33 accrediting bodies and received applications from another 16, which accounted for over three-quarters of the world's medical schools. In 2023, WFME leadership changed hands, and the ECFMG will take its first steps toward implementing its Recognized Accreditation Policy. APPROACH: In this article, we look back at the genesis of the RP and describe its first decade as informed by the limited existing peer-reviewed literature and the emerging activities of accrediting agencies that could have significant implications for the quality of medical education internationally. CONCLUSIONS: The rapidly growing influence of WFME on medical education worldwide has largely occurred without significant awareness or scrutiny, and there is a need for the WFME to demonstrate greater transparency, proactively engage its stakeholders, and support research and evaluation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,672
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,005

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,363
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetInnovations in Medical EducationTravaux en français237 207