MétaCan
Menu
Retour à la cohorte
Enregistrement W4417291756 · doi:10.1186/s12909-025-08436-5

Evaluating the “McMUST” global learning partnership: resident insights on knowledge exchange to enhance learning in postgraduate medical education

2025· article· en· W4417291756 sur OpenAlexafffundabout
Sheila Harms, Godfrey Zari Rukundo, Samuel Maling, Anita Acai

Notice bibliographique

RevueBMC Medical Education · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesMbarara University of Science and TechnologyMcMaster University
Mots-clésGeneral partnershipWork (physics)MEDLINEProblem-based learningCollaborative learningClinical Practice

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: To critically evaluate a global learning partnership called "McMUST," which was initiated collaboratively between Mbarara University of Science and Technology (MUST) in Uganda and McMaster University in Canada in 2014. METHODS: A combination of quantitative and qualitative data collection methods was used. Evaluation forms were used to collect satisfaction and learning experience data from Canadian and Ugandan psychiatry residents during eight of 11 visits to Uganda by Canadian faculty and residents. The visits occurred between 2015 and 2023 and involved Canadian faculty and residents collaborating with local counterparts in psychiatry at MUST. Quantitative data were analyzed using means and standard deviations, while qualitative comments underwent conventional content analysis. RESULTS: Satisfaction ratings from 56 evaluations out of a total possible of 62 were consistently high across all visits (Range = 3.83-5.00 / 5.00, M = 4.52, SD = 0.41). Qualitative findings revealed five themes: (1) Enriched learning, highlighting the transformative experience for residents in challenging existing perspectives; (2) Effective pedagogy, emphasizing the value of diverse learning strategies; (3) Navigating cross-cultural and professional roles, focusing on Canadian residents' transformative learning journeys; (4) Patient experiences-Humanizing psychiatric education, underscoring a shared focus on humanistic patient care; and (5) Enhancing future visits, addressing challenges and suggesting improvements, such as extending visit durations, supporting ongoing connections between residents, and advocating for bidirectional travel. CONCLUSIONS: The consistently high satisfaction ratings across multiple visits indicate that the global learning partnership between MUST and McMaster University has been successful in providing an enriching learning experience for residents participating in collaborative clinical work and learning of psychiatry in Uganda. Despite many positive findings, our partnership was not immune to some of the equity-related problems that have been documented in the literature. Going forward, advocacy efforts to gather resources that will allow for bidirectional travel for residents will be essential. Our findings also highlight opportunities to evaluate impact longitudinally, especially on participants' clinical practice and patient outcomes.

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)0,049
score de la tête « metaresearch » (Gemma)0,051
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,005
Communication savante0,0050,003
Science ouverte0,0020,011
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,056
Tête enseignante GPT0,487
Écart entre enseignants0,431 · 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'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetGlobal Health and SurgeryTravaux en français237 207