Student Experience and Clinicians’ Longitudinal Evaluations Demonstrate Diversity of Experience and Achievement of Day One Competency in a Distributed Model of Clinical Education: A Mixed Methods Study
Notice bibliographique
Résumé
Numerous colleges use distributed veterinary education (DVE) to deliver most or all their students’ clinical education. This study explored students’ experiences and development of competence in a DVE program. Veterinarians evaluated 120 final-year students’ performances at the end of each 4-week clinical rotation using a four-point RIME (Reporter, Interpreter, Manager, Educator) scale. Evaluation items linked to 16 competencies, including the AVMA's Council on Education's (COE) 9 competencies and the North American Veterinary Medical Education Consortium's (NAVMEC) 7 competencies. Students were surveyed at graduation about their clinical year experience and preparedness for an expanded set of 21 competencies/subcompetencies derived from those published by the AVMA COE, NAVMEC, and the American Association of Veterinary Medical Colleges (AAVMC). Students logged 56,305 cases in ePortfolios during the year, averaging 469 cases per student. Competency scores increased during clinical year ( p < .001); scores rose most quickly in the middle third of the year. Students scored higher on some competencies than others ( p < .001), though different competencies improved at a similar rate. Seven students required remediation, which consisted of repeating one or more rotations with individualized goals and oversight; all remediated successfully. Students reported diverse spectrum of care experiences and praised the amount of hands-on experience. Students suggested additional oversight for some clinical affiliates. In conclusion, the DVE program provided a robust number and diversity of cases. Students demonstrated longitudinal gains in competency scores and reported confidence in performing competencies upon graduation. The DVE program appeared effective at meeting programmatic competency goals.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».