Exploring the landscape of pharmacology education in Health Professions Programs: From historical perspectives to current approaches to teaching
Notice bibliographique
Résumé
Although health care professionals have been providing care as part of organized medical systems for millennia, therapeutics in its current sense only emerged in the nineteenth century. Teaching was conducted primarily using a lecture-based format. The Therapeutic Revolution of the 1930s heralded an explosion in the number and types of therapies available. As therapy has evolved so has teaching. Didactic teaching has, in many cases, been replaced by active learning and the health professions curriculum has shifted from an instructor-centered and discipline-based to a learner-centered, competence-based model. Pharmacology as a stand-alone discipline has largely been integrated into systems based or other modes of teaching. Assessments have also evolved from traditional examination formats that emphasized rote knowledge memorization to other assessment formats such as objective structured clinical examinations that emphasize evaluation of skills and attitudes. It has been challenging to define the best modalities given the wide variances in health professions education and the structure of health care systems internationally. Nonetheless, International collaboration efforts have been crucial to define core competencies which can then be used to guide curricular development. Challenges facing educators also include teaching ethical conduct of prescribing and how Artificial Intelligence (AI) can be used in both teaching and evaluation, suggesting the need for on-going dialogue, continuing professional development and research in these important areas. • Pharmacology & Therapeutics teaching evolved from lecture to active learning and competence based. • Pharmacology teaching is increasingly integrated into clinical systems and biomedical curricula. • The expansion of knowledge and technology calls for a focus on teaching core concepts and skills. • Effective assessments focus on attitudes-based and clinical-therapeutic skills. • Challenges include teaching ethical prescribing and incorporating AI in healthcare education.
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 | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,022 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».