Five ways to get a grip on applying a program evaluation model in health professions education academies
Notice bibliographique
Résumé
The proliferation of health professions educator academies across Canada and the United States illustrates the value they hold for faculty and institutions. Yet, establishing and evaluating the efficacy of them through program evaluation can be challenging. Moreover, academy leadership often lack the time, bandwidth skillset and personnel to undertake rigorous program evaluation efforts. We outline a step-by-step guide for getting a grip on evaluating health professions educator academies. Developing a plan for program evaluation in advance of any new academy initiative helps to ensure the academy calibrates and re-calibrates to accomplish outcomes and meet stakeholder expectations. It also provides a mechanism for tracking academy impact, which strengthens requests for funding, promotes sustainability and encourages continued buy-in and support from institutional stakeholders. For all of these reasons, we present the following recommendations: apply the relevant program evaluation framework(s); identify resources for program evaluation; prepare to tell your academy's story; list desired program outcomes; establish a data collection plan; and obtain institutional review board approval.
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 | 0,586 | 0,475 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,021 | 0,015 |
| Études des sciences et des technologies | 0,023 | 0,053 |
| Communication savante | 0,056 | 0,065 |
| Science ouverte | 0,011 | 0,030 |
| Intégrité de la recherche | 0,024 | 0,041 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».