Stories at Work: Writing to Learn, Care, and Collaborate in Radiation Therapy
Notice bibliographique
Résumé
Narrative writing has shown potential to foster skilled, compassionate care among health professionals. We describe the process and effects of a project that introduced experiential narrative writing to professionals and students at a large Canadian cancer centre. Four 90-minute introductory workshops in experiential narrative writing were offered to radiation therapy students (9), radiation therapists (28), and oncology nurses (1). These workshops were followed by an in-depth narrative writing course consisting of four 60-minute sessions. The course was offered twice with a total of 11 participants (all radiation therapists). Participants were prompted to write about their experiences, share their writing, and respond to each other’s writing. Writing was not focused on professional experiences. All sessions were led by an experienced facilitator and researcher. In order to describe the process and effects of these courses, we used a combination of observations, reflective writing, ongoing dialogue with participants, and follow-up interviews (8 radiation therapists and 3 students). We describe five “active elements” of the narrative writing sessions: stories at (but not about) work, challenge, trust, quality of engagement, and continuity. We then discuss perceived effects of the narrative writing sessions, which we have termed pleasure, perspective, community, presence, craft, and collective artwork. These findings suggest potential for narrative writing to support the work, well-being, and community of health professionals in radiation therapy.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».