Your Goals, My Goals, Our Goals: The Complexity of Coconstructing Goals with Learners in Medical Education
Notice bibliographique
Résumé
Phenomenon: Despite a long-standing recognition of the importance of learning goals in feedback, there has been relatively little research on how to address mismatches between learner goals and preceptor goals in medical education. Our study addresses this gap by reporting on challenges and strategies around goal coconstruction as identified by clinical educators who were learning and attempting to implement a goal-oriented feedback approach in their own teaching contexts. Approach: We employed a qualitative, design-based research methodology to study how 5 clinician educators incorporated goal-oriented feedback into their teaching practice. Participants attended workshops on goal-oriented feedback and reflective writing. They then narratively reflected over a 6-month period on their attempts with goal-oriented feedback and shared these reflections in periodic facilitated group discussions. Themes were developed using iterative thematic analysis of group discussions and individual exit interviews. Findings: Participants identified several benefits of goal setting in all environments. They perceived improved rapport with learners and developed empathy for the vastness of learner goals. However, they experienced several struggles especially when learner and preceptor goals did not match. These included (a) how to address learner goals that were not easily amenable to a coconstruction, (b) how to coconstruct goals while actively running a clinical practice, and (c) how to remain learner centered while raising preceptor goals based on perceived gaps. Insights: Mismatches between learner and preceptor goals are inevitable and frequent. Preceptors must find ways to coconstruct goals with learners in various learning environments. That said, in enacting goal-oriented feedback, preceptors are effectively using feedback throughout the teaching and learning interaction to coconstruct the learning environment, resulting in improved rapport with learners and emphasizing why it is important to focus feedback around goals.
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 | 0,046 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,020 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».