Independent and Interwoven: A Qualitative Exploration of Residents’ Experiences With Educational Podcasts
Notice bibliographique
Résumé
PURPOSE: Educational podcasts are an increasingly popular platform for teaching and learning in health professions education. Yet it remains unclear why residents are drawn to podcasts for educational purposes, how they integrate podcasts into their broader learning experiences, and what challenges they face when using podcasts to learn. METHOD: The authors used a constructivist grounded theory approach to explore residents' motivations and listening behaviors. They conducted 16 semistructured interviews with residents from 2 U.S. and 1 Canadian institution from March 2016 to August 2017. Interviews were recorded and transcribed. The transcripts were analyzed using constant comparison, and themes were identified iteratively, working toward an explanatory framework that illuminated relationships among themes. RESULTS: Participants described podcasts as easy to use and engaging, enabling both broad exposure to content and targeted learning. They reported often listening to podcasts while doing other activities, being motivated by an ever-present desire to use their time productively; this practice led to challenges retaining and applying the content they learned from the podcasts to their clinical work. Listening to podcasts also fostered participants' sense of connection to their peers, supervisors, and the larger professional community, yet it created tensions in their local relationships. CONCLUSIONS: Despite the challenges of distracted, contextually constrained listening and difficulties translating their learning into clinical practice, residents found podcasts to be an accessible and engaging learning platform that offered them broad exposure to core content and personalized learning, concurrently fostering their sense of connection to local and national professional communities.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,011 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».