Assessing Communication Competencies in Canadian MPH Program Curriculum: A Content Analysis of Communication Courses
Notice bibliographique
Résumé
OBJECTIVES: Communication plays a pivotal role in addressing modern and complex public health challenges. Our study assessed the extent to which communication-related course outlines in Canadian master of public health (MPH) programs aligned with national and international public health competency frameworks in their coverage of communication competencies. METHODS: We conducted an environmental scan and content analysis of MPH courses relevant to public health communication in 2022 and 2023. We used university and program websites and Google to conduct initial searches and obtain course outlines, supplementing these searches with a survey. We developed a codebook based on public health competencies and pedagogical best practices, capturing variables for communication competencies, audiences, channels, tools, and techniques. Two researchers independently coded course outlines. Descriptive statistics evaluated how these courses address communication-related public health competencies. RESULTS: We obtained 11 course outlines offered from 2010 through 2023. The focus of the included courses varied, with health communication (n = 3), knowledge mobilization (n = 3), and risk and/or crisis communication (n = 2) being the most common. All courses broadly aligned with communication competencies related to communication with different audiences (n = 11), and mobilizing (n = 9), interpreting (n = 11), tailoring (n = 9), and facilitating (n = 9) communication. Using technology (n = 4) and media (n = 6), addressing mis/disinformation (n = 1), and communicating with diverse audiences (n = 3) had less alignment. CONCLUSIONS: Findings revealed gaps in the coverage of key competencies, particularly in addressing mis/disinformation, leveraging technology and media, communicating with diverse populations, health literacy, and crisis communication. Ongoing review of curriculum would ensure alignment with evolving competencies and public health demands.
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 | 0,006 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».