MétaCan
Menu
Retour à la cohorte
Enregistrement W4413288523 · doi:10.1002/hsr2.71171

Advancing Medical Education: Assessing Technology‐Enhanced Learning Through the Lens of the Canadian Medical Education Directions for Specialists (CanMEDS) Framework—A Perspective Study

2025· article· en· W4413288523 sur OpenAlexaboutno aff
Mahboubeh Asadi, Zahra Karimian

Notice bibliographique

RevueHealth Science Reports · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Medical educationLens (geology)Engineering ethicsSociologyMedicineEngineeringComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background and Aims: The CanMEDS framework is a widely adopted competency-based model that defines essential roles for physicians to ensure high-quality patient care. Technology-enhanced learning (TEL) has emerged as a transformative approach in medical education, offering flexible, interactive, and personalized learning experiences. This study explores the integration of TEL within the CanMEDS framework assessment model to enhance competency evaluation in medical education. Methods: This perspective study reviews the evolving role of TEL in medical education and its alignment with the seven CanMEDS roles: Medical Expert, Communicator, Collaborator, Leader, Health Advocate, Scholar, and Professional. It examines the benefits and challenges of TEL integration, including innovative assessment methods such as virtual simulations, artificial intelligence, and mobile applications. Results: TEL provides significant advantages in accessibility, scalability, and cost-effectiveness of competency assessments. Virtual reality and AI-driven tools enable realistic clinical scenarios and personalized feedback, improving the evaluation of complex skills. TEL also supports continuous learning and collaboration through digital platforms. However, challenges include ensuring assessment validity and reliability, addressing institutional barriers, faculty training needs, ethical concerns regarding data privacy, and disparities in technology access. Conclusion: Integrating TEL into the CanMEDS framework enhances medical education by offering innovative, flexible, and effective assessment methods. To maximize benefits, institutions must address technological, ethical, and pedagogical challenges through comprehensive implementation plans, faculty development, and clear guidelines. Emerging technologies hold promise for further advancing competency-based education, ensuring future physicians are well-equipped to meet evolving healthcare 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 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)0,005
score de la tête « metaresearch » (Gemma)0,072
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,072
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,463
Écart entre enseignants0,445 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Science ReportsMême sujetInnovations in Medical EducationTravaux en français237 207