Neophyte facilitator experiences of interprofessional education: implications for faculty development
Notice bibliographique
Résumé
The facilitation of learners from different professional groups requires a range of interprofessional knowledge and skills (e.g. an understanding of possible sources of tension between professions) in addition to those that are more generic, such as how to manage a small group of learners. The development and delivery of interprofessional education (IPE) programs tends to rely on a small cohort of facilitators who have typically gained expertise through 'hands-on' involvement in facilitating IPE and through mentorship from more experienced colleagues. To avoid burn-out and to meet a growing demand for IPE, a larger number of facilitators are needed. However, empirical evidence regarding effective approaches to prepare for this type of work is limited. This article draws on data from a multiple case study of four IPE programs based in an urban setting in North America with a sample of neophyte facilitators and provides insight into their perceptions and experiences in preparing for and delivering IPE. Forty-one semi-structured interviews were conducted before (n = 20) and after (n = 21) program delivery with 21 facilitators. Findings indicated that despite participating in a three-fold faculty development strategy designed to support them in their IPE facilitation work, many felt unprepared and continued to have a poor conceptual understanding of core IPE and interprofessional collaboration principles, resulting in problematic implications (e.g. 'missed teachable moments') within their IPE programs. Findings from this study are discussed in relation to the IPE, faculty development and wider educational literature before implications are offered for the future delivery of interprofessional faculty development activities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».