MétaCan
Menu
Retour à la cohorte
Enregistrement W2042448918 · doi:10.1111/j.1365-2929.2004.02028.x

Before the white coat: perceptions of professional lapses in the pre‐clerkship

2004· article· en· W2042448918 sur OpenAlexaff
Shiphra Ginsburg, Natasha Kachan, Lorelei Lingard

Notice bibliographique

RevueMedical Education · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBlameAccountabilityEntitlement (fair division)Medical educationPsychologyClinical clerkshipResistance (ecology)PerceptionMedicinePedagogySocial psychologyCurriculum

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: It has been shown that the professional development of clinical clerks is influenced by their experiences of unprofessional behaviour, but the perceptions of pre-clerkship students have received relatively little attention. Our purpose was to develop a greater contextual understanding of the situations in which pre-clerkship students encounter professional challenges, and to investigate what pre-clerkship students consider to be professional lapses in these situations. METHODS: We conducted 4 focus groups (n = 22 students); transcripts were analysed by 3 researchers using grounded theory. RESULTS: Pre-clerkship students reported lapses in the areas of communicative violation, role resistance, objectification, accountability and harm, validating our previous clerkship-based framework. However, they also reported numerous lapses committed by fellow students and many instances of lack of accountability to students, which were not reported by clerks. Many of their reports involved non-health care professionals. CONCLUSIONS: The willingness of pre-clerkship students to report on fellow students was associated with a tendency to blame their colleagues, at the expense of a more reflective analysis, and their views on professionalism appeared to be generic rather than medicine-specific. We should reinforce students' appreciation of these generic values and add on medicine-specific values as the students progress, in order to better cultivate professionalism without entitlement.

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)0,007
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 enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,031
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,006
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,368
Écart entre enseignants0,357 · 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

Citations34
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetInnovations in Medical EducationTravaux en français237 207