MétaCan
Menu
Retour à la cohorte
Enregistrement W2922277428 · doi:10.1097/acm.0000000000002695

Strengthening Teachers’ Professional Identities Through Faculty Development

2019· article· en· W2922277428 sur OpenAlexaff
Yvonne Steinert, Patricia O’Sullivan, David M. Irby

Notice bibliographique

RevueAcademic Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMentorshipFaculty developmentExcellenceIdentity (music)Professional developmentPublic relationsPedagogyMedical educationPsychologyPerspective (graphical)CollegialitySociologyPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Although medical schools espouse a commitment to the educational mission, faculty members often struggle to develop and maintain their identities as teachers. Teacher identity is important because it can exert a powerful influence on career choice, academic roles and responsibilities, and professional development opportunities. However, most faculty development initiatives focus on knowledge and skill acquisition rather than the awakening or strengthening of professional identity. The goal of this Perspective is to highlight the importance of faculty members' professional identities as teachers, explore how faculty development programs and activities can support teachers' identities, and describe specific strategies that can be used in professional development. These strategies include the embedding of identity and identity formation into existing offerings by asking questions related to identity, incorporating identity in longitudinal programs, building opportunities for community building and networking, promoting reflection, and capitalizing on mentorship. Stand-alone faculty development activities focusing on teachers' identities can also be helpful, as can a variety of approaches that advocate for organizational change and institutional support. To achieve excellence in teaching and learning, faculty members need to embrace their identities as teachers and be supported in doing so by their institutions and by faculty development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,004
Communication savante0,0090,005
Science ouverte0,0020,013
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,404
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations201
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetInnovations in Medical EducationTravaux en français237 207