Développement de compétences avancées dans la formation des futurs médecins : l’exemple de la médecine familiale au Canada
Bibliographic record
Abstract
Au Canada comme ailleurs dans le monde, un mouvement général de transformation des cursus est en cours depuis une vingtaine d’années en vue d’adopter une approche par compétences dans les programmes de formation médicale et autres professions. Cet article décrit la mise en oeuvre de cette approche dans le contexte particulier des programmes de formation postdoctorale (résidence) en médecine familiale au Canada. Après une mise en contexte sur l’éducation médicale et la résidence en médecine familiale au Canada, on y discute de trois défis rencontrés à travers le pays : définir compétence et approche par compétences dans le contexte de l’éducation médicale; enseigner dans une approche par compétences en transformant les dispositifs de formation pour favoriser le développement des compétences; évaluer les compétences pour en soutenir le développement. Pour ce faire, les auteurs se basent sur des écrits en éducation et en éducation des sciences de la santé, de même que sur leur expérience de travail au sein de programmes de résidence et de comités nationaux portant sur le sujet.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.014 | 0.010 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".