Translating medical school social missions to student experiences
Notice bibliographique
Résumé
CONTEXT: There is a growing focus on the social missions of medical schools as a way of expressing an institutional commitment to service, responsibility and accountability. However, there has been little exploration of how a social mission translates to student experiences. METHODS: This multicentre study explored how the social missions of eight medical schools (from Australia, Belgium, Canada, the Philippines, South Africa, Sudan and the USA) translated to their medical education programmes, and how their students perceived the mission. The study used a nested case study design involving interviews with final-year medical students. Constructivist grounded theory techniques were used to analyse the data. Cultural-historical activity theory concepts of externalisation and internalisation were used to structure the analyses. RESULTS: The study identified substantial variation in the form, focus and depth of expression of each school's social mission, significant variation in how and to what extent the mission was externalised in the design of each school's undergraduate medical education programme, and significant variation in how students perceived the social mission and its translation to their training experiences. The translation of a social mission to educational outcomes depended on a cascade of externalisation and internalisation processes, each of which could alter or reinterpret the mission. Translation depended to a great extent on sensitising learners to the mission's values and issues and subsequently activating this knowledge in the context of direct clinical encounters that embodied the issues the mission was seeking to address. CONCLUSION: Whether a medical school's social mission is focused on equity of access to the medical profession or on its graduates serving particular community needs, the mission principles need to be translated into practice. This translation process involves a series of externalisation and internalisation steps, each of which determines how much and what aspects of the mission are translated.
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 | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».