Defining Mentorship in Prehospital Care: A Qualitative Analysis of the Characteristics of Prehospital Mentors
Notice bibliographique
Résumé
Introduction This study sought to begin to define the current understanding of the term mentor within the prehospital environment (emergency medical services or EMS) as described by nomination letters written by mentees for a newly launched prehospital mentor award. Methods The John Ross Paramedic Mentor Award was created in the fall of 2015 to recognize outstanding mentors in prehospital care. In the spring of 2016, nineteen nomination letters were received from registered prehospital professionals in Alberta detailing why their mentor should receive the mentor award. Written text from the nominations for this peer nominated award were analyzed using thematic and content analysis (n=19) to identify the current understanding of mentorship in EMS, desirable qualities of prehospital mentors, and what a successful mentoring relationship looks like in the prehospital environment from the perspective of mentees. Demographic data of the mentees and mentors were obtained. Results Mentees and nominated mentors had varying years of experience, worked in diverse practice areas within prehospital care and represented varying scopes of practice (PCPs and ACPs). Three themes were identified from thematic analysis of the nomination letters 1) nominators seek to emulate their mentors, 2) mentors create a safe and nurturing environment, and 3) mentors act as advocates. In addition, content analysis was used to identify a number of desirable professional and personal traits of prehospital mentors. Conclusion This study describes the qualities of prehospital mentors and identifies a number of common elements in a successful mentoring relationship (from the perspective of the mentee). These results highlight exceptional mentoring that is already occurring within the prehospital care environment. This research has the potential to provide guidance to those who aim to support both formal and informal mentoring within the prehospital care environment.
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 | 0,018 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».