Best Practice in Supporting Professional Identity Formation: Use of a Professional Reasoning Framework
Notice bibliographique
Résumé
Professional identity and professionalism education are increasingly important to veterinary education, but many of the concepts remain intangible to veterinary students, and engagement is a persistent challenge. While whole-curriculum integration is recommended for a successful professional studies program, this is complicated by clinical faculty’s discomfort with the content. Where professional studies education is centered around professional identity formation, a key element of this is the multi-perspective nature of veterinary work, with the veterinarian negotiating the needs of multiple stakeholders in animal care. Constructing teaching around a framework of professional reasoning, which incorporates the negotiation of different stakeholder needs, ethical decision making, communication, teamwork, and outcome monitoring, offers the potential to make professional identity a concept more visible to students in veterinary work, and guides students in the contextualization of taught material. A framework is presented for veterinary professional reasoning that signposts wider curriculum content and helps illustrate where material such as veterinary business studies, animal welfare, the human–animal bond, and professional responsibility, as well as attributes such as empathy and compassion, all integrate in the decisions and actions of the veterinary professional. The aims of this framework are to support students’ engagement in professional studies teaching and help them use workplace learning experiences to construct an appropriate professional identity for competence and resilience in the clinic. For faculty involved in curriculum design and clinical teaching, the framework provides a tool to support the integration of professional identity concepts across the extended curriculum.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».