Adjonction de descripteurs qualitatifs à l’échelle ordinaledes épreuves de format mini-CEX pour optimiser l’évaluationformative des compétences cliniques
Bibliographic record
Abstract
Contexte : Les échelles de mesure qui servent actuellement à évaluer des compétences cliniques sont souvent de type Likert. Or, dans une perspective d’évaluation formative où un grand nombre de professeurs et d’étudiants sont impliqués, l’utilisation de ces échelles pour la rétroaction est très inégale. Il est alors suggéré que les standards de performance soient décrits explicitement sur ces échelles pour faciliter la rétroaction. But :Vérifier si l’adjonction à l’échelle de mesure globale des mini-CEX de descripteurs explicitant ces standards affecte la validité et la fidélité des mesures enregistrées lors des sessions d’observation directe des performances cliniques. Méthode : Pendant une période de 18 mois, 86 résidents des niveaux I à III en médecine interne ont eu des séances d'observation directe par 50 professeurs-cliniciens. Résultats : L’analyse de la consistance interne montre un coefficient alpha de Cronbach à 0,90. Cette échelle modifiée permet de plus la distinction des performances entre les résidents I et III et montre une progression de performance sur 18 mois. Conclusion : Lorsqu’elle est utilisée dans une perspective d’évaluation formative, l’ajout de descripteurs qualitatifs à une échelle de mesure globale ne emble affecter ni la fidélité des mesures, ni leur validité. Cette modalité pourrait notamment être explorée lorsque la formation professorale à des outils de mesure s'avère difficile par manque de temps.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.048 | 0.136 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".