Remediation in Canadian medical residency programs: Established and emerging best practices
Notice bibliographique
Résumé
Background: Policies to guide remediation in postgraduate medical education exist in all Canadian medical schools. This study examines concordance between these policies and processes, and published “best practices” in remediation. Method: We conducted a literature review to identify best practices in the area of remediation. We then reviewed remediation policies from all 13 English medical schools in Canada other than our own and conducted interviews with key informants from each institution. Each policy and interview transcript pair was then reviewed for evidence of pre-defined “best practices.” Team members also noted additional potential policy or process enablers of successful remediation. Results: Most policies and processes aligned with some but not all published best practices. For instance, all participating schools tailored remediation strategies to individual resident needs, and a majority encouraged faculty-student relationships during remediation. Conversely, few required the teaching of goal-setting, strategic planning, self-monitoring, and self-awareness. In addition, we identified avoidance of automatic training extension and the use of an educational review board to support the remediation process as enablers for success. Discussion: Remediation policies and practices in Canada align well with published best practices in this area. Based on key informant opinions, flexibility to avoid training extension and use of an educational review board may also support optimal remediation 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,012 | 0,006 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».