MétaCan
Menu
Retour à la cohorte
Enregistrement W4392237648 · doi:10.1097/qmh.0000000000000443

Development of Research Core Competencies for Academic Practice Among Health Professionals: A Mixed-Methods Approach

2024· article· en· W4392237648 sur OpenAlexaff
Arlinda Ruco, Sara Morassaei, Lisa Di Prospero

Notice bibliographique

RevueQuality Management in Health Care · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensQueen's UniversitySt. Francis Xavier UniversityUniversity of TorontoWomen's College Hospital
Organismes subventionnairesnon disponible
Mots-clésCore competencyMedical educationScholarshipProcess (computing)PsychologyHealth professionalsMedicineHealth carePolitical scienceComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Of the 4 pillars of academic practice for nursing and allied health, research has been the least developed and no standard competency framework exists that is embedded in health professional scopes of practice. The objective of this article is to report on the preliminary development and pilot-testing of research and academic scholarship core competencies for nonphysician health professionals working within a large urban academic health sciences center. METHODS: We conducted an internal and external environmental scan and multiphase consultation process to develop research and academic core competencies for health professionals working within an interprofessional setting. RESULTS: The final framework outlines 3 levels of research proficiency (novice, proficient, and advanced) and the relevant roles, specific competencies, and observable actions and/or activities for each proficiency level. CONCLUSIONS: Organizations should consider the integration of the framework within performance management processes and the development of a road map and self-assessment survey to track progress over time and support health professionals with their academic practice 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,100
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil0,527

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1000,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,004
Études des sciences et des technologies0,0040,002
Communication savante0,0040,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,649
Tête enseignante GPT0,715
Écart entre enseignants0,066 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuality Management in Health CareMême sujetHealth Sciences Research and EducationTravaux en français237 207