MétaCan
Menu
Retour à la cohorte
Enregistrement W4406181535 · doi:10.34172/rdme.33262

Optimizing interprofessional education: Integrating a portfolio-based approach in undergraduate curriculum

2024· article· en· W4406181535 sur OpenAlexaff
Sangeetha Kandasamy, Shivkumar Gopalakrishnan, Harikrishnan Elangovan, John Gilbert

Notice bibliographique

RevueResearch and Development in Medical Education · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFoundation for Advancement of International Medical Education and Research
Mots-clésPortfolioCurriculumInterprofessional educationMedical educationUndergraduate educationMedicineComputer scienceEngineering managementPsychologyMathematics educationEngineeringBusinessPedagogyHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Interprofessional education (IPE) is the need of the hour for any undergraduate curriculum to build interprofessional communication skills, adapt teamwork, and role clarity of various healthcare professionals in the early stage of a learning period. The outcome will improve patient safety and quality of care through a holistic approach by addressing lacunae in interprofessional collaboration. Objectives: To describe the steps to implement the IPE curriculum and evaluation of learners’ activity through an IPE portfolio. Results: Sensitization of IPE curriculum among various health professional faculties, and students. Develop core team facilitators, and construct lesson plans and assessments. The IPE portfolio will be used as a reliable and effective tool for formative assessment including authentic, real-world examples of learner’s work. Conclusion: This paper communicates undergraduates’ reflection practices in patient care stimulate critical thinking, deep and lifelong learning, and, facilitating from novice to mastery levels are achieved through integrated and aligned with IPE curriculum and portfolios-based assessment tool.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,054
Tête enseignante GPT0,504
Écart entre enseignants0,450 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch and Development in Medical EducationMême sujetInterprofessional Education and CollaborationTravaux en français237 207