L’intention d’utiliser les référentiels de compétences. Le cas des maitre·sse·s de stage en faculté de médecine
Bibliographic record
Abstract
Le Département de médecine générale de l’Université de Liège a élaboré un référentiel de compétences. L’objectif de cette étude est de connaitre les intentions des maitre·sse·s de stage quant à son utilisation. Afin de connaitre les éléments prédicteurs de cette intention, nous avons fait appel à la théorie du comportement planifié (Ajzen, 1985, 1991). Nous avons dès lors conçu un questionnaire mesurant de manière directe et indirecte les divers paramètres de ce modèle, à savoir les attitudes, les normes sociales et le contrôle perçu sur la base de sept entretiens avec des maitre·sse·s de stage. Ce questionnaire a ensuite été proposé à la population des maitre·sses de stage. Nous avons obtenu 68 réponses. Après avoir effectué des régressions linéaires hiérarchiques, nous avons conclu qu’ensemble, les attitudes, les normes sociales et le contrôle perçu expliquaient 83 % de l’intention d’utiliser le référentiel. D’autres analyses ont permis de déterminer les leviers et les freins influant directement sur cette intention.
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 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".