Using field notes to evaluate competencies in family medicine training: a study of predictors of intention
Notice bibliographique
Résumé
BACKGROUND: Documenting feedback during clinical supervision using field notes (FN) is a recommended competency-based evaluation strategy that will require changes in the culture of medical education. This study identified factors influencing the intention to adopt FN in family medicine training, using the theory of planned behaviour. METHODS: This mixed-methods study involved clinical teachers (CT) and residents from two family medicine units. Main outcomes were: 1) intention (and its predictors: attitude, perceived behavioural control (PBC) and normative belief) to use FN, assessed using a 7-item Likert scale questionnaire (1: strongly disagree to 7: strongly agree) and 2) related salient beliefs, explored in focus groups three and six months after FN implementation. RESULTS: 27 CT and 28 residents participated. Intention to use FN was 6.20±1.20 and 5.74±1.03 in CT and residents respectively. Predictors of this intention were attitude and PBC (mutually influential: p < 0.05), and normative belief (p < 0.01). Focus groups identified underlying beliefs regarding their use (perceived advantages/disadvantages and facilitators/barriers). CONCLUSION: Intention to adopt field notes to document competency is influenced by attitude, perceived behavioural control and normative belief. Implementation of field notes should be preceded by interventions that target the identified salient beliefs to improve this competency-based evaluation strategy.
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 | 0,002 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».