Improving Understanding of Teaching Strategies Perceived by Interprofessional Learning (IPL) Lecturers to Enhance Students’ Formulation of Multidisciplinary Roles: An Exploratory Qualitative Study
Notice bibliographique
Résumé
Background: Interprofessional Learning (IPL) is an educational process intended to equip health and social care students with appropriate knowledge, skills, and attitudes for effective interprofessional working. By and large, the literature review highlighted in this article has shown that IPL is a worthwhile pursuit, with some studies highlighting conflicts over best teaching methods to use. In response, the aim of this exploratory research was to improve understandings of teaching strategies perceived by IPL lecturers to enhance students' formulation of multidisciplinary roles.Methods: An exploratory qualitative study was carried out. Semi-structured interviews were conducted, with a purposive sample of 4 consenting IPL lecturers. The objectives of the study were to extend understandings of strategies believed to enhance or inhibit students' accurate assimilation of Allied Health Professional (AHP) roles, to nurture awareness of potential obstacles that may inhibit successful delivery of IPL, to promote insight into what constitutes quality delivery of IPL, and to identify potential topics for further research.Findings: Five themes emerged from the data: (1) IPL lecturers hold contrasting viewpoints about the need for IPL; (2) improved understanding of roles is directly proportional to time spent with AHPs; (3) perspectives differ about when and where IPL should be taught; (4) stereotyping and negative attitudes inhibit accurate role construction; and (5) positive role modelling by lecturers is important.Conclusions: This article acts in a conscience-raising manner and highlights five key areas of lecturers' understandings about how to effectively deliver IPL. This nurtured awareness will be used to develop and evaluate new implementations in IPL and 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 source (Gemma direct ou Codex distillé), 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 ».