Resident learning trajectories in the workplace: A self‐regulated learning analysis
Notice bibliographique
Résumé
CONTEXT: Research in workplace learning has emphasised trainees' active role in their education. By focusing on how trainees fine-tune their strategic learning, theories of self-regulated learning (SRL) offer a unique lens to study workplace learning. To date, studies of SRL in the workplace tend to focus on listing the factors affecting learning, rather than on the specific mechanisms trainees use to regulate their goal-directed activities. To inform the design of workplace learning interventions that better support SRL, we asked: How do residents navigate their exposure to and experience performing invasive procedures in intensive care units? METHODS: In two academic hospitals, we conducted post-call debriefs with residents coming off shift and later sought their elaborated perspectives via semi-structured interviews. We used a constant comparative methodology to analyse the data, to iteratively refine data collection, and to inform abductive coding of the data, using SRL principles as sensitising concepts. RESULTS: We completed 29 debriefs and nine interviews with 24 trainees. Participants described specific mechanisms: identifying, creating, avoiding, missing and competing for opportunities to perform invasive procedures. While using these mechanisms to engage with procedures (or not), participants reported: distinguishing trajectories (i.e. becoming attuned to task-relevant factors), navigating trajectories (i.e. creating and interacting with opportunities to perform procedures), and co-constructing trajectories with their peers, supervisors and interprofessional team members. CONCLUSIONS: We identified specific SRL mechanisms trainees used to distinguish and navigate possible learning trajectories. We also confirmed previous findings, including that trainees become attuned to interactions between personal, behavioural and environmental factors (SRL theory), and that their resulting learning behaviours are constrained and guided by interactions with peers, supervisors and colleagues (workplace learning theory). Making learning trajectories explicit for clinician teachers may help them support trainees in prioritising certain trajectories, in progressing along each trajectory, and in co-constructing their plans for navigating them.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».