Learning in Faculty Development: The Role of Social Networks
Notice bibliographique
Résumé
PURPOSE: Faculty development is increasingly acknowledged as an important aspect of health professions education. Its conceptualization has evolved from an individual skills training activity to contemporary notions that draw on an organizational model. This organizational model recognizes relationships and networks as important mediators of knowledge mobilization. Although such conceptual advancements are critical, we lack empirical evidence and robust insights into how social networks function to shape learning in faculty development. The purpose of this study was to understand how informal professional social networks influence faculty development learning in the health professions. METHOD: This study used a qualitative social network approach to explore how teaching faculty's relationships influenced their learning about teaching. The study was conducted in 2018 in an undergraduate course at a Canadian medical school. Eleven faculty participants were recruited, and 3 methods of data collection were employed: semistructured interviews, participant-drawn sociograms, and demographic questionnaires. RESULTS: The social networks of faculty participants influenced their learning about teaching in the following 4 dimensions: enabling and mobilizing knowledge acquisition, shaping identity formation, expressing vulnerability, and scaffolding learning. CONCLUSIONS: Faculty developers should consider faculty's degree of social embeddedness in their professional social networks, as our study suggests this may influence their learning about teaching. The findings align with recent calls to conceptually reorient faculty development in the health professions as a dynamic social enterprise.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,016 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».