Sixteen Months “From Square One”: The Process of Forming an Interprofessional Clinical Teaching Team
Notice bibliographique
Résumé
Background: Descriptions of interprofessional education (IPE) programs and teacher competencies exist, but limited research has been undertaken about the process of IPE teaching team formation. This research project examined how pedagogically naïve clinicians of different disciplines initially formed an IPE teaching team.Methods and Findings: A case study approach was undertaken with data collected over the first sixteen months of an IPE program. Data included: audio recordings, transcripts, and field notes from nine individual teacher interviews, two teaching team focus groups, five student focus groups, and eight summary reports. Data analysis using a grounded theory constant comparison approach revealed themes relating to the formation, development, and evolving sophistication of the teaching team from functioning, to co-ordinating, to co-operating, and finally to collaborating. These stages were influenced by four external factors: remote rural context, Hauora Māori principles, personal attributes, and teacher development.Conclusions: Formation of interprofessional clinical teaching teams requires educational preparation, time learning to work with each other, and trust development, with a number of local contextual factors influencing this process. Teaching team formation paralleled Wegner’s Community of Practice model where shared vision supported the adoption of an increasingly complex IPE pedagogy.
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 | 0,015 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».