Practice-based small group learning in GP specialty training
Notice bibliographique
Résumé
INTRODUCTION: Practice-based small group learning (PBSGL) is an approach to continuing professional development (CPD) for general practitioners (GPs) that originated in Canada. It involves small groups of GPs who work through clinical modules. PBSGL is now an established method of learning in Scotland, found to be effective in GP, practice nurse and multi-professional cohorts. However, the effectiveness of PBSGL has not been examined in GP specialty training, where it is becoming widely employed. This research aimed to explore GP Specialty Trainees' (GPSTs') perspectives of the impact of PBSGL on curriculum needs, preparation for independent practice, and facilitator learning. METHODS: To avoid the risk of extrapolating assumptions from others who have used PBSGL as a learning strategy, this study adopted a qualitative approach, and conducted one-to-one interviews with 16 GPSTs from a range of Scottish deaneries and stages in training. Data took the form of verbatim transcripts, and the constant comparative technique from grounded theory was used to analyse the data, through the establishment of codes and categories. RESULTS: Findings were arranged in four main areas: • learning as a group was appreciated at this career stage, and group membership should consist of trainees at a similar career stage, as this supports psychological safety • PBSGL helped in locating a 'one best way' for future care planning, but was also used to find alternatives to trainees' current approaches • discussion during PBSGL helped GPSTs devise plans for how they would handle patients in the future • some facilitators moderated their involvement for the perceived benefit of the group. DISCUSSION AND CONCLUSION: Learning is experienced in a very unique way for GPSTs, and the views of the cohort are formed on the basis of the delicate stage in their career. Aiding the transition from structured education into independent practice is a more immediate need for GPSTs than curriculum needs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».