Workshops in Healing for Senior Medical Students: A 5 Year Experience
Notice bibliographique
Résumé
Objectives: To provide a 5-year (2008-2012) overview and appraisal of a novel course for senior undergraduate medical students (Workshops in Healing) at the University of New South Wales, Sydney, Australia within the context of a traditional 6-year curriculum. In these innovative workshops, 8-12 self-selected students per year participate over 6 hours in two sessions, several days apart. The sessions use artwork and other evocative images, poetry, music, statues and classic/contemporary literature to illustrate points of discussion relating to suffering, healing and the doctor-patient relationship. Methods: A written open-ended reflection was requested from 48 students in the final year of their 6-year medical course within a few weeks of the second workshop. The study employed an emergent qualitative design. Open coding involved repeated reading of the sections of the student’s feedback and a line-by-line analysis of this data. Selective coding was then used to link data together and develop the themes.Results: Students identified the following benefits from the workshops: 1) the opportunity to re-affirm their commitment to their chosen career path; 2) the value of listening to other students share their stories; 3) the importance of the timing of the Workshops to occur after exams; 4) the use of various mediums such as art, music and literature to present concepts of suffering and healing; and 5) the creation of a safe and confidential space.Conclusions: Students reported that the workshops gave them a renewed sense of drive and enthusiasm for their chosen career. They highlighted the importance of addressing an aspect of Medicine (healing) not covered in the traditional medical curriculum. For many students the workshops provided a broader understanding of the meaning of concepts such as suffering and healing, and helped them to rediscover a deeper meaning to Medicine, and their roles as healthcare professionals.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».