Developing and Validating a Competency Framework for Non-clinical Simulation Operations Specialists
Notice bibliographique
Résumé
BACKGROUND: Simulation-based education (SBE) is essential for developing and maintaining clinical skills, yet its effectiveness is partially contingent on simulation operations specialists (SOS) who provide technical, pedagogical, and safety support. Traditionally, SOS roles have been filled by clinicians, but healthcare workforce shortages have prompted simulation centres to rely on informal, on-the-job pathways to train non-clinicians as SOS. This approach has raised concerns regarding workforce readiness and highlights the absence of structured training pathways. To address this gap, we developed and validated a competency framework explicitly tailored to entry-level, non-clinical SOS to inform the development of structured training pathways. METHODS: A mixed-methods design guided by participatory action research (PAR) was used to guide this work. This study followed Batt et al.'s six-step model to develop and validate the competency framework. Methods included a narrative review, artificial intelligence (AI)-supported competency generation, semi-structured interviews, a card-sorting exercise, survey-based validation, and focus groups. Results: This study produced a validated competency framework for non-clinical SOS training consisting of 36 competencies across three technical pillars: (i) Simulation Technology (SIMTECH); (ii) Educational Principles (EDUPRI); and (iii) Safety (SAFE), plus a General Competencies (GEN) pillar aligned with transferable knowledge, skills, and attitudes (KSAs). Conclusion: This study provides the first validated competency framework tailored for entry-level, non-clinical SOS, grounded in both theory and real-world perspectives. The final framework offers a foundation for curriculum developers, employers, and certification bodies, and informs the development of accessible training pathways for non-clinicians entering the simulation operations field.
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 | 0,056 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| 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 ».