When the Learning Environment Is Suboptimal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Despite widespread implementation of policies to address mistreatment, high rates of mistreatment during clinical training are reported, prompting the question of whether "mistreatment" means more to students than delineated in official codes of conduct. Understanding "mistreatment" from students' perspective and as it relates to the learning environment is needed before effective interventions can be implemented. METHOD: The authors conducted focus groups with final-year medical students at McGill University Faculty of Medicine in 2012. Participants were asked to characterize "suboptimal learning experience" and "mistreatment." Transcripts were analyzed via inductive thematic analysis. RESULTS: Forty-one of 174 eligible students participated in six focus groups. Students described "mistreatment" as lack of respect or attack directed toward the person, and "suboptimal learning experience" as that which compromised their learning. Differing perceptions emerged as students debated whether "mistreatment" can be applied to negative learning environments as well as isolated incidents of mistreatment even though some experiences fell outside of the "official" label as per institutional policies. Whether students perceived "mistreatment" versus a "suboptimal learning experience" in negative environments appeared to be influenced by several key factors. A concept map integrating these ideas is presented. CONCLUSIONS: How students perceived negative situations during training appears to be a complex process. When medical students say "mistreatment," they may be referring to a spectrum, with incident-based mistreatment on one end and learning-environment-based mistreatment on the other. Multiple factors influenced how students perceived an environment-based negative situation and may provide strategies to improving the learning environment.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle