Experiential learning, collaboration and reflection: key ingredients in longitudinal faculty development
Notice bibliographique
Résumé
BACKGROUND: Longitudinal faculty development (LFD) may allow for increased uptake of teaching skills, especially in a forum where teachers can reflect individually and collectively on the new skills. However, the exact processes by which such interventions are effective need further exploration. METHODS: This qualitative study examined an LFD initiative teaching a novel feedback approach attended by five family practice physicians. The initiative began with two 1.5-hour workshops: Goal-Oriented Feedback (as the teaching skill to be developed) and Narrative Reflection (as the tool to support personal reflection on the skill being learned). Over the subsequent six-months, the five participants iteratively applied the feedback approach in their teaching and engaged in narrative reflection at four 1-hour group sessions. Transcripts from the group discussions and exit interviews were analyzed using thematic analysis. RESULTS: Iteratively trialing, individually reflecting on, and collectively exploring efforts to implement the new feedback approach resulted in the development of a learning community among the group. This sense of community created a safe space for reflection, while motivating ongoing efforts to learn the skill. Individual pre-reflection prepared individuals for group co-reflection; however, written narratives were not essential. CONCLUSION: LFD initiatives should include an emphasis on ensuring opportunities for iterative attempts of teaching skills, guided self-reflection, and collaborative group reflection and learning to ensure sustainable change to teaching practices.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,009 | 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 ».