How core competencies are taught during clinical supervision: participatory action research in family medicine
Notice bibliographique
Résumé
OBJECTIVES: The development of professional competence is the main goal of residency training. Clinical supervision is the most commonly used teaching and learning method for the development of core competencies (CCs). The literature provides little information on how to encourage the learning of CCs through supervision. We undertook an exploratory study to describe if and how CCs were addressed during supervision in a family medicine residency programme. METHODS: We selected a participatory action research design to engage participants in exploring their precepting practices. Eleven volunteer faculty staff and six residents from a large family medicine residency programme took part in a 9-month process which included three focus group encounters alternating with data gathering during supervision. We used mostly qualitative methods for data collection and analysis, with thematic content analysis, triangulation of sources and of researchers, and member checking. RESULTS: Participants realised that they addressed all CCs listed as programme outcomes during clinical supervision, albeit implicitly and intuitively, and often unconsciously and superficially. We identified a series of factors that influenced the discussion of CCs: (i) CCs must be both known and valued; (ii) discussion of CCs occurs in a constant adaptation to numerous contextual factors, such as residents' characteristics; (iii) the teaching and learning of CCs is influenced by six challenges in the preceptor-resident interaction, such as residents' active engagement, and (iv) coherence with other curricular elements contributes to learning about CCs. Differences between residents' and preceptors' perspectives are discussed. CONCLUSIONS: This is the first descriptive study focusing on the teaching of CCs during clinical supervision, as experienced in a family medicine residency programme. Content and process issues were equally influential on the discussion of CCs. Our findings led to a representation of factors determining the teaching and learning of CCs in supervision, and suggest directions for research, for faculty development, and for interventions with learners.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».