MétaCan
Menu
Retour à la cohorte
Enregistrement W4400588779 · doi:10.12688/mep.20331.1

Successful implementation of interprofessional education: A pedagogical design perspective

2024· article· en· W4400588779 sur OpenAlexaff
Alex Lepage-Farrell, Anne-Marie Pinard, Amélie Richard

Notice bibliographique

RevueMedEdPublish · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversité de SherbrookeUniversité LavalChildren's Hospital of Western OntarioWestern University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)TeamworkProcess (computing)ReflexivityInterprofessional educationHealth careADDIE ModelMedical educationPerspective (graphical)Computer scienceKnowledge managementProcess managementPsychologyMedicinePedagogyEngineeringSociologyPolitical scienceCurriculum

Résumé

récupéré en direct d'OpenAlex

Interprofessional collaboration (IPC) is crucial within healthcare teams that must provide safe and quality care to their patients. Competent professionals in this area offer better care and contribute to a medical culture where IPC and teamwork are valued. To become competent, they must be adequately trained. The literature describes that, unfortunately, collaboration training is uneven across professions. Interprofessional education (IPE) could fill this educational gap but remains challenging to implement. This article aims to present ten clear and concise considerations to implementing IPE initiatives successfully, following a well-described pedagogical designing process. After reading, the clinician-educator will be informed of the newest evidence in IPE as well as the common pitfalls to avoid. From the starting point of a recent synthesis article on IPE, several additional syntheses, analyses, and recommendations articles were consulted and synthesized. From that, the findings are organized according to the "ADDIE" model, a flexible methodology used in pedagogical design through iterative cycles in context. The phases of "ADDIE" are analysis, design, development, implementation, and evaluation. According to these phases, the considerations will be presented to allow the reader to apply them "step by step" in their educational planning process. Ten considerations are presented, from the needs analysis, stakeholders and Faculty involvement, composition of the design team, selection of students and types of learning activity, the role of reflexivity, training of facilitators, supervision, and the continuous improvement process. Taken together, these will contribute to highlighting the essential nature of training in collaboration in modern professionalizing programs.

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)0,051
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,269

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0050,016
Communication savante0,0150,011
Science ouverte0,0030,009
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,096
Tête enseignante GPT0,556
Écart entre enseignants0,460 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedEdPublishMême sujetInterprofessional Education and CollaborationTravaux en français237 207