Ethnography in health professions education: Slowing down and thinking deeply
Notice bibliographique
Résumé
CONTEXT: Ethnography has been gaining appreciation in the field of health professions education (HPE) research, yet it remains misunderstood. Our article contributes to this growing literature by describing some of the key tensions with which both aspiring and seasoned ethnographers should productively struggle. METHODS: We respond to the injunction made by Varpio et al (2017) that HPE researchers should ground their methodological ventures in their historical and philosophical tenets. To do so, we first review core ethnographic texts that provide a background for ethnographic research in HPE, then provide an orienting definition to bind the specificities of ethnographic research. Finally, we review core theoretical and practical considerations for ethnographic research. RESULTS: Ethnography is a slow and deep approach to knowledge production, and as such it requires careful engagement with theory and deliberate choice of methods. Core theoretical tensions include the ontological, epistemological and axiological dimensions of ethnography, and concerns with quality and rigour. Practical tensions include the scope and remit of ethnography, the importance of observing naturally occurring behaviour and the crafting of rich field notes. CONCLUSIONS: We encourage ethnographers to pursue scholarship that challenges the status quo. Ethnographers should favour deep encounters with research participants, dig deep into the cultural and structural aspects of HPE and be reflexive about knowledge outputs. At a time in HPE when the pressures to publish are high, using ethnography as a research methodology offers an opportunity to slow down and think deeply.
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 | 0,210 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,014 | 0,109 |
| Communication savante | 0,020 | 0,036 |
| Science ouverte | 0,005 | 0,022 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».