Exploring stakeholders’ views of medical education research priorities: a national survey
Notice bibliographique
Résumé
CONTEXT: Setting research priorities is important when exploring complex issues with limited resources. Only two countries (Canada and New Zealand) have previously conducted priority-setting exercises for medical education research (MER). This study aimed to identify the views of multiple stakeholders on MER priorities in Scotland. METHODS: This study utilised a two-stage design to explore the views of stakeholders across the medical education continuum using online questionnaires. In Stage 1, key informants outlined their top three MER priorities and justified their choices. In Stage 2, participants rated 21 topics generated in Stage 1 according to importance and identified or justified their top priorities. A combination of qualitative (i.e. framework analysis) and quantitative (e.g. exploratory factor analysis) data analyses were employed. RESULTS: Views were gathered from over 1300 stakeholders. A total of 21 subthemes (or priority areas) identified in Stage 1 were explored further in Stage 2. The 21 items loaded onto five factors: the culture of learning together in the workplace; enhancing and valuing the role of educators; curriculum integration and innovation; bridging the gap between assessment and feedback, and building a resilient workforce. Within Stage 2, the top priority subthemes were: balancing conflicts between service and training; providing useful feedback; promoting resiliency and well-being; creating an effective workplace learning culture; selecting and recruiting doctors to reflect need, and ensuring that curricula prepare trainees for practice. Participant characteristics were related to the perceived importance of the factors. Finally, five themes explaining why participants prioritised items were identified: patient safety; quality of care; investing for the future; policy and political agendas, and evidence-based education. CONCLUSIONS: This study indicates that, across the spectrum of stakeholders and geography, certain MER priorities are consistently identified. These priority areas are in harmony with a range of current drivers in UK medical education. They provide a platform of evidence on which to base decisions about MER programmes in Scotland and beyond.
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 | 0,020 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».