Évaluation d’un outil pour améliorer la qualité de la rétroaction écrite des précepteurs pour les résidents en médecine familiale : formations et utilisation d’un guide critérié basé sur les compétences CanMEDS-MF
Bibliographic record
Abstract
Contexte : La rétroaction écrite est primordiale dans l’enseignement aux résidents, mais les précepteurs ne sont pas toujours bien outillés pour offrir une rétroaction pertinente. Cette étude visait à évaluer l’efficacité de formations multiépisodiques et l’utilisation d’un guide critérié pour les rétroactions écrites des précepteurs en médecine familiale d’un centre hospitalier académique francophone. Méthode : Vingt-trois (23) précepteurs ont participé aux formations et ont utilisé le guide critérié pour les guider lors de l’évaluation écrite dans une fiche évaluative nommée « feuille de route ». Le contenu de ces feuilles de route a été analysé selon la complétion, le taux de rétroactions spécifiques et le taux de rétroactions par rôle CanMEDS-MF avant et après les formations sur une période de 3 mois. Résultats : Selon l’analyse des feuilles de route (n=70 prétest ; n=138 posttest), une augmentation du pourcentage de complétion (50% vs 92%, z=2.97, p=0.0030) et de rétroactions spécifiques (59% vs 92%, z=2.47, p=0.0137) fut notée. Il n’y avait aucune augmentation significative quant aux rétroactions par rôle CanMEDS-MF. Conclusions : L’élaboration de formations multiépisodiques et d’un guide critérié, créés selon le référentiel CanMEDS-MF, suggère une amélioration de rétroactions écrites complètes et spécifiques en éducation de la médecine familiale.
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 | 0.023 | 0.039 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 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) | 0.004 | 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".