Beyond catharsis: the nuanced emotion of patient storytellers in an educational role
Notice bibliographique
Résumé
CONTEXT: As health care organisations seek to cultivate patient and family-centred care, patient storytelling has emerged as a valued educational resource. However, repeatedly harnessing patient perspectives to educate health care professionals may have consequences. We need robust insight into what it means to be a patient storyteller in order to ensure ethical and appropriate engagement with patients as an educational resource. METHODS: Constructivist grounded theory was used to explore the experience of patients involved in a storytelling curriculum as part of hospital staff continuing education. All 33 storytellers were invited by e-mail to participate in the study. Twenty-six storytellers responded to the invitation, and 25 could be scheduled to participate. Using theoretical sampling, semi-structured interviews were conducted and analysed in a process that was inductive, iterative and comparative. RESULTS: Participants described the central role of emotions in their storytelling experience, which varied from 1 to 25 tellings over a period of 1 month to 2 years. These emotions were shaped by the passage of time, repetition of storytelling and audience acknowledgement. However, emotion remained unpredictable and had lingering implications for storytellers' vulnerability. CONCLUSION: The multiple storytelling experiences of our participants and ongoing educational nature of their role provides unique insight into how emotions ebb and flow across tellings, how emotions can be both a surprise and a rhetorical strategy, and how emotions are influenced by audience acknowledgement. These findings contribute to an emerging conversation regarding the power and politics of selecting and using storytellers for organisational purpose. Implications include how we support patient storytellers in educational roles and how we can sustainably integrate patient storytelling into health professional education.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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 ».