Bibliographic record
Abstract
Dans le contexte de l’enseignement universitaire en sciences de la santé, des changements importants se sont produits au cours des dernières décennies dans les programmes de formation professionnelle. Un de ces changements importants est le fait que ces programmes de formation professionnelle adoptent maintenant, pour la plupart, une approche par compétence. Parallèlement à ce changement de paradigme dans la formation, les professions de la santé considèrent de plus en plus le raisonnement clinique comme étant central à la compétence du clinicien et lui réservent une place plus importante dans la formation. Ces deux changements dans la formation en science de la santé ont entrainé des questionnements quant aux méthodes d’évaluations du raisonnement clinique dans un contexte d’approche par compétence. Une des réponses à ces questionnements a été l’émergence de tests permettant de poser un jugement sur le raisonnement clinique dans le domaine de la médecine. En effet, au cours des 20 dernières années, des outils tels que le test de concordance de script (TCS) et les problèmes de raisonnement clinique (PRC) ont été développés et ont fait l’objet de plusieurs études dans les différentes spécialités de la médecine principalement. Bien que la physiothérapie partage plusieurs caractéristiques avec le domaine de la médecine, elle possède aussi plusieurs différences. En ce sens, il était pertinent de se questionner sur l’applicabilité de ces outils dans le contexte spécifique de la physiothérapie. Afin de collecter des données, des versions de ces tests ont été développées selon une table de spécification d’un cours du programme de physiothérapie de l’Université de Sherbrooke et ont été administrées à 93 étudiants volontaires des cohortes de deuxième, troisième et quatrième année du programme. Selon la procédure d’attribution des scores de ces tests, un panel d’experts (n=19) dans le domaine a aussi répondu aux items. Les résultats obtenus nous indiquent que les scores du TCS permettent de discerner des différences significatives entre les étudiants novices (2e année) et les étudiants finissants de 4e année du programme de physiothérapie, et ce, avec une taille d’effet importante (Cohen d =0,85). Par contre, il n’existe pas de différence significative entre le score moyen de la cohorte de 3e année et celui des deux autres cohortes à ce test. Des différences significatives ont été notées entre les scores du panel d’experts et celui des trois cohortes d’étudiants. Du côté des résultats aux PRC, les scores à ce test ne nous permettent pas de distinguer le niveau de développement de raisonnement clinique des étudiants en physiothérapie entre les différentes années de formation. Par contre, tout comme avec le TCS, des différences significatives ont été notées entre les scores du panel d’experts et celui des trois cohortes d’étudiants. De plus, nous avons analysé et catégorisé les 183 formulaires de stage des étudiants ayant participé à l’étude. Ces formulaires ont été catégorisés selon les observations au niveau du raisonnement clinique effectuées par les superviseurs de stage. Les résultats de cette partie de l’étude nous suggèrent que les scores des PRC sont discriminants en fonction des résultats de stage pour les différentes catégories de résultats. Du côté des scores au TCS, les étudiants ayant eu des difficultés de raisonnement clinique en stage se démarquent aussi par des scores plus faibles au TCS. Conséquemment, il est possible que ces outils puissent également permettre de dépister des étudiants ayant des difficultés de raisonnement clinique et pouvant bénéficier d’une remédiation à ce niveau. Par contre, en tenant compte de ces résultats encourageants, mais aussi du peu d’étudiants ayant eu des difficultés de raisonnement clinique en stage dans cette recherche, il sera nécessaire de confirmer ce rôle de dépistage possible avec une étude de plus grande envergure.
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 | 0.096 | 0.211 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".