MétaCan
Menu
Retour à la cohorte
Enregistrement W4403865805 · doi:10.5334/bdc.x

Advancing and sustaining excellence in EPA-based curricula

2024· book-chapter· en· W4403865805 sur OpenAlexaff
Machelle Linsenmeyer, Andrew K. Hall, Chien‐Yu Chen, María José López, Fremen Chihchen Chou

Notice bibliographique

RevueUbiquity Press eBooks · 2024
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueResearch, Science, and Academia
Établissements canadiensRoyal College of Physicians and Surgeons of CanadaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésExcellenceCurriculumEngineering ethicsEngineering managementEngineeringBusinessPolitical scienceSociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

The quality of health professions education is socially determined and closely linked to the quality of health care. Entrustable professional activities (EPAs) add strength to and operationalize curricula for competency-based education for health professions by focusing on both the patient and trainee, bringing health professions education together with patient care. This social accountability within an EPA-based curriculum emphasizes measurable enhancements to local health services through EPAs. As such, both external quality assurance (QA) and internal QA are crucial for implementing and improving an EPA-based program. External QA involves guidance from the regulating body regarding training policies, procedures, and practices. Internal QA entails self-auditing, utilizing mechanisms like program evaluation (PE) to monitor, evaluate, and improve the assessment and attainment of EPAs. Continuous quality improvement (CQI) can be used to augment PE by serving as a system for accountability and transparency. This section introduces the concepts of PE and CQI to be used within an EPA-based curriculum, models to support PE and CQI processes, examples of actual cases where PE and CQI were beneficial, and solutions to address challenges specific to EPA-based curricula.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,402
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUbiquity Press eBooksMême sujetResearch, Science, and AcademiaTravaux en français237 207