MétaCan
Menu
Retour à la cohorte
Enregistrement W4413103924 · doi:10.1097/nne.0000000000001954

Transitioning Simulation Education Objectives to Competency-Based Education

2025· article· en· W4413103924 sur OpenAlexaff
Anita M. Stephen, Linda S. Behar‐Horenstein, Brooke Russo

Notice bibliographique

RevueNurse Educator · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensSt. Stephen's University
Organismes subventionnairesnon disponible
Mots-clésMedical educationPsychologyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Transitioning to competency-based education (CBE) in nursing simulation education requires a systematic approach to curriculum assessment. Information about how to implement CBE in simulation is unclear. METHOD: Using the University's Online Simulation System, 2 experts selected American Association of Colleges of Nursing (AACN) behavioral performance indicators (BPIs) that best matched behavioral outcomes associated with simulation student roles in 5 scenarios. Using a 3-phase process, interrater agreement between 2 experts was resolved through a consensus process (> 89% agreement, 11% least agreed). Next, a third expert validated the first 2 experts' matches (98% agreement, 2% least agreed). RESULTS: One hundred fifty-two expected behavioral outcomes were identified and matched with 39 BPIs. CONCLUSION: A 3-phased approach was used by the faculty to identify and align cognitive simulation objectives to competencies identified in the AACN BPIs. The authors recommend using a systematic approach to validate current simulation activities that are competency-based and identify potential gaps in the curriculum.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,253
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,395
Écart entre enseignants0,383 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse EducatorMême sujetSimulation-Based Education in HealthcareTravaux en français237 207