How Are the Arts and Humanities Used in Medical Education? Results of a Scoping Review
Notice bibliographique
Résumé
PURPOSE: Although focused reviews have characterized subsets of the literature on the arts and humanities in medical education, a large-scale overview of the field is needed to inform efforts to strengthen these approaches in medicine. METHOD: The authors conducted a scoping review in 2019 to identify how the arts and humanities are used to educate physicians and interprofessional learners across the medical education continuum in Canada and the United States. A search strategy involving 7 databases identified 21,985 citations. Five reviewers independently screened the titles and abstracts. Full-text screening followed (n = 4,649). Of these, 769 records met the inclusion criteria. The authors performed descriptive and statistical analyses and conducted semistructured interviews with 15 stakeholders. RESULTS: The literature is dominated by conceptual works (n = 294) that critically engaged with arts and humanities approaches or generally called for their use in medical education, followed by program descriptions (n = 255). The literary arts (n = 197) were most common. Less than a third of records explicitly engaged theory as a strong component (n = 230). Of descriptive and empirical records (n = 424), more than half concerned undergraduate medical education (n = 245). There were gaps in the literature on interprofessional education, program evaluation, and learner assessment. Programming was most often taught by medical faculty who published their initiatives (n = 236). Absent were voices of contributing artists, docents, and other arts and humanities practitioners from outside medicine. Stakeholders confirmed that these findings resonated with their experiences. CONCLUSIONS: This literature is characterized by brief, episodic installments, privileging a biomedical orientation and largely lacking a theoretical frame to weave the installments into a larger story that accumulates over time and across subfields. These findings should inform efforts to promote, integrate, and study uses of the arts and humanities in medical education.
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 | 0,065 | 0,254 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,051 | 0,053 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».