Shifting and Sharing: Academic Physicians’ Strategies for Navigating Underperformance and Failure
Notice bibliographique
Résumé
PURPOSE: Medical practice is uncertain and complex. Consequently, even outstanding performers will inevitably experience moments of underperformance and failure. Coping relies on insight and resilience. However, how physicians develop and use these skills to navigate struggle remains underexplored. A better understanding may reveal strategies to support both struggling learners and stressed practitioners. METHOD: In 2015, 28 academic physicians were interviewed about their experiences with underperformance or failure. Constructivist grounded theory informed data collection and analysis. RESULTS: Participants' experiences with struggle ranged from patient errors and academic failures to frequent, smaller moments of interpersonal conflict and work-life imbalance. To buffer impact, participants sometimes shifted their focus to an aspect of their identity where they felt successful. Additionally, although participants perceived that insight develops by acknowledging and reflecting on error, they sometimes deflected blame for performance gaps. More often, participants seemed to accept personal responsibility while simultaneously sharing accountability for underperformance or failure with external forces. Paradoxically, participants perceived learners who used these strategies as lacking in insight. CONCLUSIONS: Participants demonstrated the protective and functional value of distributing responsibility for underperformance and failure. Shifting and sharing may be an element of reflection and resilience; recognizing external factors may provide a way to gain perspective and to preserve the self. However, this strategy challenges educators' assumptions that learners who deflect are avoiding personal responsibility. The authors' findings raise questions about what it means to be resilient, and how assumptions about learners' responses to failure may affect strategies to support underperforming learners.
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 | 0,015 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».