L’évaluation des habiletés cliniques
Bibliographic record
Abstract
Le présent chapitre s’adresse principalement aux enseignants en sciences de la santé qui ont envie d’innover dans leurs modalités d’évaluation. L’étudiant tirera aussi bénéfice de la lecture du chapitre, puisqu’elle lui permettra de se familiariser avec ces modes d’évaluation et d’orienter ses apprentissages. Nous traiterons surtout de l’évaluation du raisonnement clinique ainsi que de l’application des connaissances médicales à la résolution de problèmes cliniques. Pour ce faire, nous vous proposons des modalités d’apprentissage et d’évaluation parfois méconnues de la communauté médicale. Le chapitre s’inspire de l’expérience des auteurs dans l’utilisation de ces modalités d’évaluation pour évaluer le parcours d’étudiants en médecine et en sciences infirmières. La dernière section porte sur les questions de prises de décision thérapeutiques. Elle servira, nous l’espérons, d’outil complémentaire à la préparation des externes à cette modalité d’évaluation pour l’examen du licencié du Conseil médical du Canada (LCMC). Vous trouverez, à la fin du chapitre, un tableau comparatif des modalités d’évaluation quant à leur forme et à leur contenu, ainsi que des exemples de questions supplémentaires.
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 | 0.050 | 0.140 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
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".