An Exploration of Faculty Perspectives on the In-Training Evaluation of Residents
Notice bibliographique
Résumé
PURPOSE: The in-training evaluation report (ITER) is the most widely used approach to the evaluation of residents' clinical performance. Participants' attitudes toward the process may influence how they approach the task of resident evaluation. Whereas residents find ITERs most valuable when they perceive their supervisors to be engaged in the process, faculty attitudes have not yet been explored. The authors studied faculty supervisors' experiences and perceptions of the ITER process to gain insight into the factors that influence faculty engagement. METHOD: Using a grounded theory approach, semistructured interviews were completed in 2008 with a purposive sample of 17 faculty involved in resident evaluation at one Canadian medical school. Constant comparative analysis for emergent themes was conducted. RESULTS: Three major themes emerged: (1) Faculty engagement was apparent, with a widely held view that ITERs were a worthwhile endeavor. (2) Fragmentation of the evaluation system compromised evaluators' ability to produce meaningful ITERs. Fragmentation appeared to be a system problem, elements of which included time constraints, inconsistency in approach to ITE, and lack of continuity between educational assignments. (3) Faculty found the challenge of giving negative feedback daunting and struggled to avoid harming residents. CONCLUSIONS: Faculty engagement in the ITER process may be compromised by both system and interpersonal challenges. These challenges may render ITERs less meaningful than faculty intend. Training programs must complement ITE with other tools to achieve robust systems of evaluation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».