Professionalism assessment of clinical teachers as a role model
Notice bibliographique
Résumé
The aim of present study was to evaluate the professionalism of clinical teachers in viewpoints of residents and undergraduate medical students. This is a descriptive-analytical study. The learners include medical externs, medical interns (undergraduate medical students) and residents (postgraduate learners) in the X University of Medical Sciences were entered by census. (n = 311). Faculty Professionalism Evaluation Questionnaire was used in this study. This questionnaire includes four domains: Doctor-patient relationship (6 items), Doctor-student relationship (3 items), interprofessional relationship (2 items) and doctor-self relationship (5 items). The content validity of the instrument was assessed by attending experts in medical education and clinical specialties (n=13) in the expert panel. Next, the confirmatory factor analysis (CFA) of the instrument was assessed. Confirmatory analysis has been analyzed using Amos version 24.0 software. In the descriptive step, data were analyzed using descriptive (mean, SD and median and relative percentage) and analytical (student t-test, ANOVA) tests. Results The participants include 126 medical externs (40.5%), 128 medical interns (41.2%) and 57 residents (18.3%). The mean age of participants was 26.43 years (13.18). The results showed the content validity of the instrument was approved by experts. The results of CFA showed the adequate fitness of the model. (GFI=.862,CFI=.912,TLI=.869). The total mean rating score per form (the total maximum rating is 48) given by students was 31.91(SD = 5.84) and ranged from 16 to 45, with a median rating score of 32. Total mean scores was 1.98(SD=0.36) ranged from 0.96 to 2.82. Conclusion The present results showed the professionalism scores of clinical teachers were evaluated at the moderate level in viewpoints of the learners. The results indicated the teachers were far from an ideal role model. Regards, the role of teachers in developing professionalism among learners, it is necessary to empower to play a desirable role model.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».