Identifying Expert-Informed Social Media Entrustable Professional Activities (EPAs) for Health Professions Learners
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Healthcare professionals extensively use social media. Despite initiatives to teach about its use, there remains a gap in effective assessment methods for determining when learners are ready for professional social media engagement. The objective of this study is to develop Entrustable Professional Activities (EPAs) to support competency-based assessment of learners’ social media use. From June to October 2022, the primary author team (IZ, STL, TK, DH, MM) engaged 37 experts in health professions-related social media use from multiple specialties in a multi-round, online, modified Delphi process to develop EPAs for healthcare professionals’ social media use. These physicians are recognized in their fields as social media leaders, having contributed to publications on social media, assumed leadership roles in social media in journals or institutions, developed social media use curricula, and/or were prolific social media users. They evaluated EPA statements drafted by the primary authors on a 5-point Likert-like scale and observability (yes/no). EPAs rated as extremely/very/moderately important and observable by at least 70% of participants were selected for the final EPA statement set. Descriptive statistics facilitated quantitative analysis. Out of 32 participants who accepted the invite, 24 (75%) completed all three rounds of the study. Following the third round, a list of 8 EPAs was finalized, with > 80% consensus on all EPAs. These 8 social media EPAs were categorized into the Professional Development, Education, and Advocacy domains. Expert-informed EPAs for health professionals’ social media use may guide those in training using social media in the domains of Professional Development, Education, and Advocacy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle