The rules of engagement: physician engagement strategies in intergroup contexts
Notice bibliographique
Résumé
PURPOSE: Recognition of the importance and difficulty of engaging physicians in organisational change has sparked an explosion of literature. The social identity approach, by considering engagement in terms of underlying group identifications and intergroup dynamics, may provide a framework for choosing among the plethora of proposed engagement techniques. This paper seeks to address this issue. DESIGN/METHODOLOGY/APPROACH: The authors examined how four disparate organisations engaged physicians in change. Qualitative methods included interviews (109 managers and physicians), observation, and document review. FINDINGS: Beyond a universal focus on relationship-building, sites differed radically in their preferred strategies. Each emphasised or downplayed professional and/or organisational identity as befit the existing level of inter-group closeness between physicians and managers: an independent practice association sought to enhance members' identity as independent physicians; a hospital, engaging community physicians suspicious of integration, stressed collaboration among separate, equal partners; a developing integrated-delivery system promoted alignment among diverse groups by balancing "systemness" with subgroup uniqueness; a medical group established a strong common identity among employed physicians, but practised pragmatic co-operation with its affiliates. RESEARCH LIMITATIONS/IMPLICATIONS: The authors cannot confirm the accuracy of managers perceptions of the inter-group context or the efficacy of particular strategies. Nonetheless, the findings suggested the fruitfulness of social identity thinking in approaching physician engagement. PRACTICAL IMPLICATIONS: Attention to inter-group dynamics may help organisations engage physicians more effectively. ORIGINALITY/VALUE: This study illuminates and explains variation in the way different organisations engage physicians, and offers a theoretical basis for selecting engagement strategies.
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 | 0,036 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,042 |
| Communication savante | 0,019 | 0,015 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,005 |
| 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 ».