To be and not to be: the paradox of the emerging professional stance
Notice bibliographique
Résumé
PURPOSE: Understanding how students resolve professional conflict is essential to teaching and evaluating professionalism. The purpose of this study was to refine an existing coding structure of rationalizations of student behaviour, and to further our understanding of students' reasoning strategies in the face of perceived professional lapses. METHODS: Anonymous essays were collected from final year medical students at two universities. Each essay included a description of a specific professional lapse, and a consideration of how the lapse was dealt with. Essays were analysed using grounded theory. The resulting coding structure was applied using NVivo software. RESULTS: Twenty essays, containing 147 instances of articulated reasoning, were included. Three major categories (and several subcategories) of reasoning strategies emerged: Narrative Attitude (deflection or reflection), Dissociation (condescension or identity mobility), and Engagement (with associated action or no action). This data set revealed a wider range of Narrative Attitude than in the original study, confirmed the dominance of Dissociation as a reasoning strategy, and, perhaps paradoxically, also revealed significant evidence of action on the part of the students (predominantly directed towards dealing with the consequences of a lapse or confronting the lapser). Most of these actions were perceived to be ineffective. CONCLUSIONS: Encountering a professional lapse can be a paradoxical and profoundly disordering experience for students. When students report these experiences, they invoke reasoning strategies that enable them to re-story the lapse. Their methods of re-storying provide insight into the double-binds that students experience, their efforts to transcend these double-binds, and, through these, their emerging professional stance.
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 | 0,017 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 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 ».