Impact of interpersonal relations on learning and development of professional identity: A study of residents’ perceptions
Notice bibliographique
Résumé
OBJECTIVES: Informal learning includes all occurrences during one's life when learning is not deliberate. Prior research on informal learning in healthcare contexts examined learning happening outside of the formal curriculum, yet still in the workplace. This study explores residents' perceptions about extracurricular factors outside of the workplace that contribute to their learning and development of professional identity, whether interpersonal relations are recognised as such factors, and positive and negative impacts of interpersonal relations. METHODS: In this qualitative study, all 21 residents in our Emergency Medicine programme were asked, in a web-based survey with open-ended questions, to identify extracurricular sources outside of the workplace perceived as contributing to their learning and professional identity development, and list positive and negative impacts of interpersonal relations outside of work on learning and identity development. Themes were extracted through content analysis of the narrative responses. Two reviewers coded all data. RESULTS: Thirteen (62%) residents identified 37 factors grouped under five themes: learning activity, role modelling, support, non-clinical academic roles, and social interactions. Interpersonal relations were perceived as having positive and negative impacts, including creating support, positive role modelling and mentoring, increasing concrete learning, as well as lapses in teaching skills, deficits in professional role training, and loss of personal time. CONCLUSIONS: Several extracurricular factors outside of the workplace contribute to resident learning and identity development, including interpersonal relations, which have positive and negative impacts. The most often noted negative impact of interpersonal relations outside of work between residents and faculty related to perceived lapses in teaching skills.
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 | 0,005 | 0,012 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».