Silent Witnesses: Faculty Reluctance to Report Medical Students’ Professionalism Lapses
Notice bibliographique
Résumé
PURPOSE: Assessing students' professionalism is a critical component of medical education. Nonetheless, faculty reluctance to report professionalism lapses remains a significant barrier to the effective identification, management, and remediation of such lapses. The authors gathered information from faculty who supervise medical students to better understand their perceived barriers to reporting. METHOD: In 2015-2016, data were collected using a group concept mapping methodology, which is an innovative, asynchronous, structured mixed-methods approach using qualitative and quantitative measures to identify themes characterizing faculty reluctance to report professionalism lapses. Participants from four U.S. and Canadian medical schools brainstormed, sorted, and rated statements about perceived barriers to reporting. Multidimensional scaling and hierarchical cluster analyses were used to analyze these data. RESULTS: Of 431 physicians invited, 184 con-tributed to the brainstorming task (42.7%), 48 completed the sorting task (11.1%), and 83 completed the rating task (19.3%). Participants identified six barriers or themes to reporting lapses. The themes "uncertainty about the process," "ambiguity about the 'facts,'" "effects on the learner," and "time constraints" were rated highest as perceived barriers. Demographic subgroup analysis by gender, years of experience supervising medical students, years since graduation, and practice discipline revealed no significant differences (P > .05). CONCLUSIONS: The decision to report medical students' professionalism lapses is more complex and nuanced than a binary choice to report or not. Faculty face challenges at the systems level and individual level. The themes identified in this study can be used for faculty development and to improve processes for reporting students' professionalism lapses.
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 | 0,020 | 0,169 |
| 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 | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».