‘Whatever you cut, I can fix it’: clinical supervisors’ interview accounts of allowing trainee failure while guarding patient safety
Notice bibliographique
Résumé
BACKGROUND: Learning is in delicate balance with safety, as faculty supervisors try to foster trainee development while safeguarding patients. This balance is particularly challenging if trainees are allowed to experience the educational benefits of failure, acknowledged as a critical resource for developing competence and resilience. While other educational domains allow failure in service of learning, however, we do not know whether or not this strategy applies to clinical training. METHODS: We conducted individual interviews of clinical supervisors, asking them whether they allowed failure for educational purposes in clinical training and eliciting their experiences of this phenomenon. Participants' accounts were descriptively analysed for recurring themes. RESULTS: Twelve women and seven men reported 48 specific examples of allowing trainee failure based on their judgement that educational value outweighed patient risk. Various kinds of failures were allowed: both during operations and technical procedures, in medication dosing, communication events, diagnostic procedures and patient management. Most participants perceived minimal consequences for patients, and many described their rescue strategies to prevent an allowed failure. Allowing failure under supervision was perceived to be important for supporting trainee development. CONCLUSION: Clinical supervisors allow trainees to fail for educational benefit. In doing so, they attempt to balance patient safety and trainee learning. The educational strategy of allowing failure may appear alarming in the zero-error tolerant culture of healthcare with its commitment to patient safety. However, supervisors perceived this strategy to be invaluable. Viewing failure as inevitable, they wanted trainees to experience it in protected situations and to develop effective technical and emotional responses. More empirical research is required to excavate this tacit supervisory practice and support its appropriate use in workplace learning to ensure both learning and safety.
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 | 0,015 | 0,038 |
| 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 | 0,011 | 0,014 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».