MétaCan
Menu
Retour à la cohorte
Enregistrement W1994373723 · doi:10.1007/s40037-012-0021-4

A faculty development workshop in narrative-based reflective writing

2012· article· en· W1994373723 sur OpenAlexafffund
J. Donald Boudreau, Stephen Liben, Abraham Fuks

Notice bibliographique

RevuePerspectives on Medical Education · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensMontreal Children's HospitalMcGill University
Organismes subventionnairesMax Bell FoundationMcGill UniversityArnold P. Gold Foundation
Mots-clésNarrativeDeliverableSet (abstract data type)Computer scienceFaculty developmentProfessional developmentMedical educationReflection (computer programming)Mathematics educationReflective writingPedagogyPsychologyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Narrative approaches are used increasingly in the health professions with a range of objectives. We must acquaint educators with this burgeoning field and prepare them for the incorporation of story-telling in their pedagogical practices. The authors describe a template for a faculty development workshop designed to foster self-reflection through the use of narrative techniques and prepare clinical teachers to deploy such approaches. The design is based on a six-year experience in delivering introductory workshops in narrative approaches to medical teachers. The workshops, which served as a model for the template, have been offered to a total of 92 clinicians being trained to mentor medical students. A generic template is described. It includes a table of core concepts from narrative theory, a set of probing questions useful in a basic technical analysis of texts and a list of initiating prompts for exercises in reflective writing. A workshop organized and deployed using this template is deliverable over a half-day. The model has proven to be feasible and highly valued by participants. It can be adapted for other contexts by educators across the continuum of health professional education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,179
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,416
Écart entre enseignants0,370 · 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 tête enseignante, pas un consensus.

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

Citations15
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetEmpathy and Medical EducationTravaux en français237 207