Multi-source feedback in undergraduate medical education: a pilot study
Notice bibliographique
Résumé
Background: Multisource feedback (MSF) and 360-degree assessment collate feedback from multiple perspectives for a particular person. Since MSF aligns with programmatic assessment, undergraduate programs could theoretically incorporate this practice. This paper details the creation of an undergraduate medical education (UGME) MSF and its initial pilot. Methods: The Medical Council of Canada (MCC) collaborated with researchers from four Canadian UGME programs to adapt an existing tool, MCC 360. They adjusted MSF components for clerkship and piloted the revised version at one Canadian medical school. Student participants completed a post-evaluation survey. Researchers chose the Norcini et al. framework to inform the tool adaptation and evaluation. Results: The new MCC 360 UGME incorporated MSF from three rater groups (patients, self, and a mixed group of supervisors, residents, hospital staff and/or peers) and compiled it into an individualized report. An independent facilitator reviewed and discussed the report with the student. Students indicated that the MCC 360 UGME had a major to moderate impact on their learning. They appreciated receiving patient feedback and working with facilitators to identify areas of improvement. Although students found completing the MSF requirements to be burdensome, they found it to be acceptable to provide educational benefits. Conclusion: Implementing MSF in Canadian UGME would allow clerkship students to access feedback from patients and others in the workplace. It would also socialize students to MSF early in their careers.
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 | 0,024 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».