Actividades profesionales confiables (APROC): un enfoque de competencias para el perfil médico
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
La implementación de la educación basada en competencias ha revolucionado de manera global la forma de aprender y enseñar medicina. Las competencias corresponden a las atribuciones que todo médico debe de poseer, y surgieron a partir de las Canadian Medical Education Directives for Specialists y el Accreditation Council for Graduate Medical Education (ACGME). Para lograr su adquisición, ha sido necesario implementar las actividades profesionales confiables (APROC), término acuñado por Ten Cate y Scheele, cuya finalidad ha sido vincular el concepto de competencias con la práctica. Se trata de actividades clÃnicas que los aprendices deben realizar para lograr dominarlas sin supervisión. El Milestone Project creado por el ACGME surgió para enriquecer las competencias, y cada especialidad debe definir las propias y decidir el nivel de desempeño que espera de sus alumnos en cada año de la especialidad. Para lograr aplicar las APROC es necesario que su diseño sea acorde con los objetivos del plan de estudios y requisitos del perfil del graduado. Diversas instituciones educativas de diferentes paÃses han implementado este innovador modelo de enseñanza, entre los que destacan Canadá, Estados Unidos, Reino Unido, Australia, Nueva Zelanda y PaÃses Bajos. El propósito de este artÃculo es difundir nuevas propuestas para la educación médica que logren vincular el perfil de competencias con la práctica clÃnica rutinaria, para que los facultativos logren empoderamiento de estas nuevas herramientas y las puedan aplicar de manera eficiente en la enseñanza de los estudiantes, y una de éstas son las APROC.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle