MétaCan
Menu
Retour à la cohorte
Enregistrement W2935467651 · doi:10.1097/acm.0000000000002724

The Divergence and Convergence of Critical Reflection and Critical Reflexivity: Implications for Health Professions Education

2019· article· en· W2935467651 sur OpenAlexaff
Stella Ng, Sarah Wright, Ayelet Kuper

Notice bibliographique

RevueAcademic Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensSunnybrook Health Science CentreThe Wilson Centre
Organismes subventionnairesnon disponible
Mots-clésReflexivityScrutinyCritical reflectionCLARITYDivergence (linguistics)Subject (documents)Field (mathematics)Engineering ethicsSociologyEpistemologyCritical pedagogyReflection (computer programming)Critical thinkingPedagogySocial sciencePolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

As a field, health professions education (HPE) has begun to answer calls to draw on social sciences and humanities (SS&H) knowledge and approaches for curricular content, design, and pedagogy. Two commonly used SS&H concepts in HPE are critical reflection and critical reflexivity. But these are often conflated, misunderstood, and misapplied. Improved clarity of these concepts may positively affect both the education and practice of health professionals. Thus, the authors seek to clarify the origins of each, identify the similarities and differences between them, and delineate the types of teaching and assessment methods that fit with critical reflection and/or critical reflexivity. Common to both concepts is an ultimate goal of social improvement. Key differences include the material emphasis of critical reflection and the discursive emphasis of critical reflexivity. These similarities and differences result in some different and some similar teaching and assessment approaches, which are highlighted through examples. The authors stress that all scientific and social scientific concepts and methods imported into HPE must be subject to continued scrutiny both from within their originating disciplines and in HPE. This continued questioning is core to the ongoing development of the HPE field and also to health professionals' thinking and practice.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,525
Écart entre enseignants0,447 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations102
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetInnovations in Medical EducationTravaux en français237 207