Talking the talk in junior interprofessional education: is healthcare terminology a barrier or facilitator?
Notice bibliographique
Résumé
BACKGROUND: Use of healthcare terminology is a potential barrier to interprofessional education (IPE). This study describes how junior learners perceive and classify healthcare terminology in IPE settings. METHODS: We conducted a mixed methods study involving 29 medical, 14 nursing, and 2 physician assistant students who had previously attended or were registered to participate in educational activities at McMaster University's Centre for Simulation-Based Learning. 23 participants identified "inclusive" or "exclusive" terminology in a series of scenarios used for IPE workshops using an online survey. We collated lists of "inclusive" and "exclusive" terminology from survey responses, and characterized the frequencies of included words. 22 students participated in focus group discussions on attitudes and perceptions around healthcare terminology after attending IPE workshops. We identified themes through an iterative direct content analysis of verbatim transcripts. RESULTS: Students analyzed 14 cases, identifying on average 21 terms per case as healthcare terminology (28% of overall word count). Of the 290 terms identified, 113 terms were classified as healthcare terminology, 46 as inclusive and 17 as exclusive by > 50% of participants. Analysis of focus group transcripts revealed 4 themes: abbreviations were commonly perceived as complex terminology, lack of familiarity with terminology was often attributed to inexperience, simulation was considered a safe space for learning terminology, and learning terminology was a valued IPE objective. CONCLUSIONS: While students perceive a lot of healthcare terminology in IPE learning materials, categorization of terminology as "inclusive" or "exclusive" is inconsistent. Moreover, healthcare terminology is perceived as a desirable difficulty among junior learners, and should not be avoided in IPE.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 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 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 ».