Professing Professionalism: Are We Our Own Worst Enemy? Faculty Membersʼ Experiences of Teaching and Evaluating Professionalism in Medical Education at One School
Notice bibliographique
Résumé
PURPOSE: To explore clinical faculty members' knowledge and attitudes regarding their teaching and evaluation of professionalism. METHOD: Clinical faculty involved in medical education at University of Toronto Faculty of Medicine were recruited to participate in focus groups between 2006 and 2007 to discuss their knowledge, beliefs, and attitudes about teaching and evaluating professionalism and to determine their views regarding faculty development in this area. Focus groups were transcribed, analyzed, and coded for themes using a grounded theory approach. RESULTS: Five focus groups consisting of 14 faculty members from surgical specialties, psychiatry, anesthesia, and pediatrics were conducted. Grounded theory analysis of the 188 pages of text identified three major themes: Professionalism is not a static concept, a gap exists between faculty members' real and ideal experience of teaching professionalism, and "unprofessionalism" is a persistent problem. Important subthemes included the multiple bases that exist for defining professionalism, how professionalism is learned and taught versus how it should be taught, institutional and faculty tolerance and silence regarding unprofessionalism, stress as a contributor to unprofessionalism, and unprofessionalism arising from personality traits. CONCLUSIONS: All faculty expressed that teaching and evaluating professionalism posed a challenge for them. They identified their own lapses in professionalism and their sense of powerlessness and failure to address these with one another as the single greatest barrier to teaching professionalism, given a perceived dominance of role modeling as a teaching tool. Participants had several recommendations for faculty development and acknowledged a need for culture change in teaching hospitals and university departments.
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 | 0,021 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,012 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 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 ».