The prism model: advancing a theory of practice for arts and humanities in medical education
Notice bibliographique
Résumé
INTRODUCTION: The arts and humanities have transformative potential for medical education. Realizing this potential requires an understanding of what arts and humanities teaching is and what it aims to do. A 2016 review of exclusively quantitative studies mapped three discursive positions (art as intrinsic to, additive to or curative for medicine) and three epistemic functions (art for mastering skills, perspective taking, and personal growth and activism). A more inclusive sample might offer new insights into the position and function of arts and humanities teaching in medical education. METHODS: Informed by this 2016 framework, we conducted discursive and conceptual analyses of 769 citations from a database created in a recent scoping review. We also analyzed the 15 stakeholder interviews from this review for recurring themes. These three analyses were iteratively compared and combined to produce a model representing the complex relationship among discursive functions and learning domains. RESULTS: The literature largely positioned arts and humanities as additive to medicine and focused on the functions of mastering skills and perspective taking. Stakeholders emphasized the intrinsic value of arts and humanities and advocated their utility for social critique and change. We offer a refined theory of practice-the Prism Model of four functions (mastering skills, perspective taking, personal insight and social advocacy)-to support more strategic use of arts and humanities in medical education across all learning domains. DISCUSSION: The Prism Model encourages greater pedagogical flexibility and critical reflection in arts and humanities teaching, offering a foundation for achieving its transformative potential.
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 | 0,004 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».