Évaluation des compétences en interprofessionnalité des étudiants en santé à l’université Grenoble Alpes
Notice bibliographique
Résumé
Context: Collaboration between health care professionals is evolving to integrate the complexity of treating patients and the need for coordination to deliver fluid care pathways. The transition from multi-professionality to inter-professionality implies learning specific skills in order to optimise teamwork and collaboration. The development of interprofessional training from the beginning of medical training is essential to change mentalities and values, and to prepare the new generation of caregivers for this innovative practice. Objective: To evaluate the interprofessional skills of Grenoble health students in order to contribute to the development of interprofessional education in initial health training courses. Method: The assessment of interprofessional skills is based on a self-assessment tool (Interprofessional Collaborative Competencies Attainment Survey: ICCAS) developed in Canada and widely used in many international studies. This digital survey was distributed to UGA’s students in physiotherapy, pharmacy, medicine, maieutics, nursing and medical electroradiology. Results: A total of 290 complete responses were obtained from students in the following fields: medicine (n=93), physiotherapy (n=72), pharmacy (n=49), nursing (n=62), medical electroradiology (n=6) and maieutics (n=8). Clarification of roles and competences, expression of ideas and management of conflicts within the interprofessional team were the items for which there were differences in scores between fields. Medical students scored lower than students in the other fields on these items. Conclusion: Assessing the interprofessional skills of health students is an essential prerequisite for developing and evaluating the impact of interprofessional education at the UGA. Efforts must be continued by the teaching teams to optimise the content and methods of teaching and to enable students to acquire and consolidate their knowledge and their ability to work in interprofessional teams.
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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».