P075: Discovering the unknown: using storytelling to identify emergent learning needs for the intrinsic competencies within an online needs assessment
Notice bibliographique
Résumé
Introduction: Free Open Access Medical education (FOAM) resources have been developed using various needs assessment methods. We describe a storytelling exercise used to identify unperceived medical expert learning needs, which also resulted in the emergence of unknown learning needs within intrinsic physician roles. Methods: A FOAM curriculum was created for thrombosis based on an online needs assessment comprised of a topic listing, case scenarios, and a storytelling exercise. In the storytelling exercise, learners described i) a difficult case in thrombosis, and ii) why that case was difficult. In this qualitative description study, we performed a secondary thematic analysis of this storytelling data, coded for CanMEDS 2015 intrinsic roles. Two investigators independently coded transcripts to iteratively generate a coding framework. Results: 143 respondents completed the storytelling exercise. All responses yielded a gap in medical expertise, while 25 (17.5%) described an additional intrinsic theme. Learning needs in all six intrinsic roles were identified. The most commonly cited learning needs were in the Leader (recognizing how resource allocation impacts healthcare), Communicator (communicating expert knowledge with patients), and Collaborator (unclear communication between providers) domains. Participants who described an intrinsic learning need were primarily from emergency medicine (21/25, 84.0%). These excerpts were notable for how they expressed the complexity and affective components of medicine. Conclusion: Storytelling exercises can highlight context, attitudes, and relationships which provide depth to needs assessments. These narratives are a novel method of capturing emergent learning needs, which may be unknown to learner and faculty (Johari window). These intrinsic learning needs may ultimately be used to enrich learner-centered curricula.
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 | 0,009 | 0,030 |
| 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 | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».