MétaCan
Menu
Retour à la cohorte
Enregistrement W1988973965 · doi:10.1111/j.1365-2923.2008.03254.x

How student models of expertise and innovation impact the development of adaptive expertise in medicine

2009· article· en· W1988973965 sur OpenAlexaff
Maria Mylopoulos, Glenn Regehr

Notice bibliographique

RevueMedical Education · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensThe Wilson CentreUniversity Health NetworkSickKids FoundationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThematic analysisMedical educationPsychologyHealth careContext (archaeology)PrerogativePerceptionScope (computer science)Qualitative researchKnowledge managementMedicineComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The ability to innovate new solutions in response to daily workplace challenges is an important component of adaptive expertise. Exploring how to optimally develop this skill is therefore of paramount importance to education researchers. This is certainly no less true in health care, where optimal patient care is contingent on the continuous efforts of doctors and other health care workers to provide the best care to their patients through the development and incorporation of new knowledge. Medical education programmes must therefore foster the skills and attitudes necessary to engage future doctors in the systematic development of innovative problem solving. The aim of this paper is to describe the perceptions and experiences of medical students in their third and fourth years of training, and to explore their understanding of their development as adaptive experts. METHODS: A sample of 25 medical students participated in individual 45-60-minute semi-structured interviews. Interviews were audiotaped, transcribed and entered into NVivo qualitative data analysis software to facilitate a thematic analysis. The analysis was both inductive, in that themes were generated from the data, and deductive, in that our data were meaningful when interpreted in the context of theories of adaptive expertise. RESULTS: Participants expressed a general belief that, as learners in the health care system, exerting any effort to be innovative was beyond the scope of their responsibilities. Generally, students suggested that innovative practice was the prerogative of experts and an outcome of expert development centred on the acquisition of knowledge and experience. CONCLUSIONS: Students' perceptions of themselves as having no responsibility to be innovative in their learning process have implications for their learning trajectories as adaptive experts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0090,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,308
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetBiomedical and Engineering EducationTravaux en français237 207