MétaCan
Menu
Retour à la cohorte
Enregistrement W4417183895 · doi:10.1111/tct.70295

Assessing the Quality of Narrative Feedback in Entrustable Professional Activities Using the EFeCT Feedback Scoring Tool

2025· article· en· W4417183895 sur OpenAlexaffabout
Rebecca Lee, Neil Dhami, William Gibson, Deena M. Hamza, Anna Oswald, Mandy Moffat

Notice bibliographique

RevueThe Clinical Teacher · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Alberta HospitalAlberta Hospital Edmonton
Organismes subventionnairesnon disponible
Mots-clésNarrativeWorkloadQuality (philosophy)Narrative reviewMEDLINE

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Competency-based medical education (CBME) is the cornerstone of undergraduate training in Canada. Entrustable professional activities (EPAs) assess competency in professional tasks, with narrative feedback being a key component. There is currently a lack of published literature on the quality of narrative feedback in EPA observations in undergraduate medical education. This study explores the quality of narrative feedback in EPA observations provided to medical students. METHODS: The quality of narrative feedback in a random sample of anonymised EPA observations from Year 3 students was evaluated using the Evaluation of Feedback Captured Tool (EFeCT). The EFeCT tool explores five facets of quality feedback, with a score of five indicating high-quality feedback. Three evaluators independently assessed the quality of narrative feedback using the EFeCT tool. Any differences in score were resolved through discussion to reach consensus. RESULTS: In the 2022-2023 academic year, 15,240 EPA observations were completed for year 3 students. A subset of 748 observations was analysed. Of these, one scored 0, seven scored 1, 33 scored 2, 115 scored 3, 151 scored 4 and 441 scored 5 on the EFeCT tool. The mean EFeCT score was 4.3. CONCLUSIONS: Overall, the majority of EPA narratives provided moderate to high-quality feedback to students. However, variability was evident, and many EPA narratives were missing one or more elements of high-quality feedback. This could result in significant implications for learner development. Addressing contextual factors such as clinical workload and creating faculty development opportunities may support faculty in providing high-quality narrative feedback.

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)0,050
score de la tête « metaresearch » (Gemma)0,163
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,050
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,163
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,177
Tête enseignante GPT0,543
Écart entre enseignants0,366 · 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'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'admission2
Résumé présentoui

Explorer davantage

Même revueThe Clinical TeacherMême sujetInnovations in Medical EducationTravaux en français237 207