Ingenium de formation lors de la mise en place de formations transversales en santé Illustration par une séquence d’apprentissage du raisonnement clinique
Bibliographic record
Abstract
En contexte d’universitarisation avec double diplomation (diplôme d’État et licence universitaire), des formations paramédicales et de mise en place de l’expérimentation des modalités permettant le renforcement des échanges entre les formations de santé au sein de l’Université de Caen-Normandie, de nouveaux référentiels (licence sciences du soin) et des maquettes de formations professionnelles sont produits pour six professions paramédicales. Une nouvelle ingénierie pédagogique est à inventer en tenant compte des nouvelles modalités hybrides de la formation. Cet article analyse l’ingénierie de formation mise en place pour la conception collective d’un module de formation consacré au raisonnement clinique. La démarche de création et d’innovation pédagogique entreprise est réalisée à partir des expériences de travail collectif de professionnels. Elle permet d’identifier les invariants de l’activité dans le raisonnement clinique, avec un regard de formateurs, en repérant des classes de situations emblématiques issues des différents terrains professionnels et transférables aux six professions. La séquence produite collaborativement débouche sur la mise en scène d’une situation de travail habituelle des professionnels en activité, répondant à leurs enjeux de formations : la rencontre du patient et l’analyse de ses déficiences et/ou besoins.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 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".