Coaching and Feedback: Enhancing Communication Teaching and Learning in Veterinary Practice Settings
Notice bibliographique
Résumé
Communication is a critical clinical skill closely linked to clinical reasoning, medical problem solving, and significant outcomes of care such as accuracy, efficiency, supportiveness, adherence to treatment plans, and client and veterinarian satisfaction. More than 40 years of research on communication and communication education in human medicine and, more recently, in veterinary medicine provide a substantive rationale for formal communication teaching in veterinary education. As a result, veterinary schools are beginning to invest in communication training. However, if communication training is to result in development of veterinary communication skills to a professional level of competence, there must be follow-through with effective communication modeling and coaching in practice settings. The purpose of this article is to move the communication modeling and coaching done in the "real world" of clinical practice to the next level. The development of skills for communication coaching and feedback is demanding. We begin by comparing communication coaching with what is required for teaching other clinical skills in practice settings. Examining both, what it takes to teach others (whether DVM students or veterinarians in practice for several years) and what it takes to enhance one's own communication skills and capacities, we consider the why, what, and how of communication coaching. We describe the use of teaching instruments to structure this work and give particular attention to how to engage in feedback sessions, since these elements are so critical in communication teaching and learning. We consider the preconditions necessary to initiate and sustain communication skills training in practice, including the need for a safe and supportive environment within which to implement communication coaching and feedback. Finally we discuss the challenges and opportunities unique to coaching and to building and delivering communication skills training in practice settings.
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 | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».