MétaCan
Menu
Retour à la cohorte
Enregistrement W4416861926 · doi:10.1186/s12909-026-09243-2

Building a Relevant Biomedical Graduate Program: From Review to Reform

2025· article· en· W4416861926 sur OpenAlexaffabout
Lisa Eunyoung Lee, Sobiga Vyravanathan, Nicole Harnett

Notice bibliographique

RevueBMC Medical Education · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurriculumStakeholderProcess (computing)Program evaluationProgram Design LanguageEducational programCurriculum developmentResearch program

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Program evaluation is critical for ensuring that graduate programs remain responsive, effective, and aligned with the evolving needs of students, faculty, and the broader scientific community. At a major Canadian institution, we aimed to conduct a comprehensive evaluation to assess how well our program meets stakeholder needs and to identify curricular gaps and actionable recommendations across our biomedical and clinical research graduate programs. METHODS: A mixed-methods approach was used, guided by the U.S. Centers for Disease Control and Prevention (CDC) Program Evaluation Framework. Data were collected through surveys, interviews, and a focus group, which included a combination of students, alumni, supervisors, and/or faculty members. The evaluation assessed the curriculum structure, program strengths, and areas for improvements. RESULTS: The findings, when considered together, demonstrated that the student learning experience is shaped by numerous factors beyond course content. Synthesis of the results produced 26 recommendations in three main categories of factors, including course content and experiences, infrastructure and support, and faculty and supervisor engagement. In addition, we identified factors that enabled successful program evaluation, including overt institutional support of the evaluation process including commitment to establishment of a recurring cycle of implementation that aligned with other existing quality assurance processes, and establishment of formal activities to convert findings to actionable initiatives and to monitor progress for each. CONCLUSION: This evaluation demonstrated how the CDC Program Evaluation Framework can be used to enable a systematic, data-driven process that translated stakeholder feedback into actionable recommendations to support meaningful program refinements in response to identified needs regarding program modernization designed to better meet new realities for graduate students. Ongoing evaluation will be essential to monitor the impact of implemented changes and ensure alignment between graduate biomedical education and evolving scientific and workforce needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,098
score de la tête « metaresearch » (Gemma)0,267
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,519

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0980,267
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0120,014
Études des sciences et des technologies0,0020,005
Communication savante0,0100,009
Science ouverte0,0060,009
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,440
Écart entre enseignants0,401 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207