Optimisation du processus de qualification des physiothérapeutes formés hors Canada : l’expérience de l’Université de Montréal
Bibliographic record
Abstract
La majorité des physiothérapeutes formés hors Canada doivent entreprendre un processus de qualification pour obtenir un permis de pratique de l’Ordre professionnel de la physiothérapie du Québec (OPPQ). Avant 2014, l’accessibilité à une formation d’appoint qualifiante était insuffisante à l’Université de Montréal (UdeM). En effet, les personnes détentrices d’une prescription de formation étaient intégrées dans les cohortes du programme de physiothérapie avec une capacité d’accueil très limitée. Elles se butaient à une liste d’attente d’environ deux ans, leur parcours pouvant s’échelonner sur trois ans à temps partiel, et leur taux de réussite était faible (50 %). Pour résoudre ce problème, un programme de qualification professionnelle en physiothérapie (QPP) a été mis sur pied, menant à un certificat de 2e cycle reconnu par l’OPPQ en 2014. À ce jour, neuf cohortes ont complété le programme, soit plus de 144 personnes admises. L’objectif de cette contribution est de présenter le processus d’accompagnement offert aux personnes étudiantes du programme afin d’optimiser leur réussite ainsi que de présenter les retombées du programme (portrait des personnes admises, taux de réussite, durée des études, satisfaction des personnes étudiantes et de celles qui supervisent les stages, taux de placement). Le processus d’accompagnement semble avoir porté fruit puisque, depuis l’implantation du programme, les données montrent une augmentation importante du taux de réussite, un nombre de personnes complétant leur prescription annuellement qui a triplé et un très bon taux de placement post-formation.
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 | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".