How rehabilitation therapists gather, evaluate, and implement new knowledge
Notice bibliographique
Résumé
INTRODUCTION: Rehabilitation therapists are strongly encouraged to apply research to their practices, but relatively little is known about the processes therapists use for continuing their education. This study examines the strategies used by a sample of therapists to gather new knowledge, evaluate its appropriateness to their clinical problems, and implement new learning into their practices. METHODS: Twenty-four randomly selected occupational therapists and physical therapists from a large metropolitan area participated in in-depth interviews. Descriptive codes within interview transcripts described participants' individual approaches to continuing education (CE). Themes derived from comparative analysis across interviews were interpreted, building on prior understandings and suggesting strategies for CE research and programs. RESULTS: Participants valued formal CE highly and expressed frustration concerning its limited availability. Most participants relied on informal consultations with peers as their first educational resource. Peers also supported participants' evaluation and implementation of new knowledge. Although seven participants reported use of systematic methods to access, evaluate, and implement new knowledge, others described more haphazard approaches toward evaluation and application of their learning. Participants identified economic, administrative, and interprofessional barriers to integration of new knowledge into their practices. DISCUSSION: There is a need to develop and incorporate guidelines for evaluating and implementing learning within formal and informal CE programs. The appeal of formal CE suggests that more efficient strategies for continuing rehabilitation are required. Therapists' heavy reliance on peers suggests that educationally influential therapists may be effective media for informal CE interventions. CE targeted to policy makers should focus on promoting organizational change to enhance therapists' translation of research into practice.
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 | 0,052 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,018 | 0,011 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».