Ophthalmology teaching in Australian medical schools: A national survey
Notice bibliographique
Résumé
To survey the current educational trends and methods of ophthalmology teaching in Australian undergraduate and postgraduate medical schools. Cross-sectional survey; National online survey distributed to Australian university undergraduate and post-graduate medical schools from November 2020 to March 2021. The survey encompassed 35 questions on student demographics, teaching methods, core theoretical topics, clinical skills, and assessment methods in ophthalmology. One survey per institution completed by the relevant individual responsible for curriculum. Total response rate of 90.48% (19 of 21 medical schools) was received with good representation across Australia. Ophthalmology rotations were required in 63.3% (<i>n</i> = 12), while 36.7% (<i>n</i> = 7) did not have mandatory terms. This compares favourably to the USA (16%), Canada (35.7%) and equivalent to UK (65%). 74% (<i>n</i> = 14) state ophthalmology is not a priority in the curriculum. All respondents reported student exposure to at least one clinical day in ophthalmology, with total teaching time ranging from less than six hours (36.9%), up to greater than two weeks (10.5%). Overall, only 31.6% reported utilisation of the International Council of Ophthalmology (ICO) curriculum in curricular development. Ophthalmology medical school teaching in Australia remains reasonable when compared internationally, but there is significant variation amongst universities. Incorporation of the ICO curriculum and development of shared resources would enhance medical graduates’ competence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,594 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».