MétaCan
Menu
Retour à la cohorte
Enregistrement W2420068468 · doi:10.1097/acm.0000000000001256

The Relationship Between Academic Motivation and Lifelong Learning During Residency: A Study of Psychiatry Residents

2016· article· en· W2420068468 sur OpenAlexaffabout
Sanjeev Sockalingam, David Wiljer, Shira Yufe, Matthew K. Knox, Mark Fefergrad, Ivan Silver, Ilene Harris, Ara Tekian

Notice bibliographique

RevueAcademic Medicine · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensSt Joseph's Health CentreUniversity of TorontoYork UniversityCentre for Addiction and Mental HealthPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésLifelong learningCurriculumAutonomyScale (ratio)MedicineIntrinsic motivationPsychologyMedical educationFamily medicinePedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To examine the relationship between lifelong learning (LLL) and academic motivation for residents in a psychiatry residency program, trainee factors that influence LLL, and psychiatry residents' LLL practices. METHOD: Between December 2014 and February 2015, 105 of 173 (61%) eligible psychiatry residents from the Department of Psychiatry, University of Toronto, completed a questionnaire with three study instruments: an LLL needs assessment survey, the Jefferson Scale of Physician Lifelong Learning (JeffSPLL), and the Academic Motivation Scale (AMS). The AMS included a relative autonomy motivation score (AMS-RAM) measuring the overall level of intrinsic motivation (IM). RESULTS: A significant correlation was observed between JeffSPLL and AMS-RAM scores (r = 0.39, P < .001). Although there was no significant difference in JeffSPLL and AMS-RAM scores based on respondents' level of training (senior vs. junior resident), gender, or age, analysis of AMS subdomains showed that junior residents had a significantly higher score on the extrinsic motivation identification domain (mean difference [M] = 0.38; 95% confidence interval [CI] [0.01, 0.75]; P = .045; d = 0.44) compared with senior residents. Clinician scientist stream (CSS) residents had significantly higher JeffSPLL scores compared with non-CSS residents (M = 3.15; 95% CI [0.52, 5.78]; P = .020; d = 0.57). CONCLUSIONS: The use of rigorous measures to study LLL and academic motivation confirmed prior research documenting the positive association between IM and LLL. The results suggest that postgraduate curricula aimed at enhancing IM, for example, through support for learning autonomously, could be beneficial to cultivating LLL in 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,382
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetInnovations in Medical EducationTravaux en français237 207