Development of professionalism vignettes for the continuum of learners within a medical and nursing community of practice
Notice bibliographique
Résumé
BACKGROUND: It is challenging to develop professionalism curricula for all members of a medical community of practice. We collected and developed professionalism vignettes for an interactive professionalism curriculum around our institutional professionalism norms following social constructivist learning theory principles. METHODS: Medical students, residents, physicians, nurses and research team members provided real-life professionalism vignettes. We collected stories about professionalism framed within the categories of our Faculty's code of conduct: honesty; confidentiality; respect; responsibility; and excellence. Altruism was from the Nursing Code of Ethics. Two expert committees anonymously rated and then discussed vignettes on their educational value and degree of unprofessional behaviour. Through consensus, the research team finalized vignette selection. RESULTS: Eighty cases were submitted: 22 from another study; 20 from learners and nurses; and 30 from physicians; and eight from research team members. Two expert committees reviewed 53 and 42 vignettes, respectively. The final 18 were selected based upon: educational value; diversity in professionalism ratings; and representation of the professionalism categories. CONCLUSION: Realistic and relevant professionalism vignettes can be systematically gathered from a community of practice and their representation of an institutional norm, educational value, and level of professional behaviour can be judged by experts with a high level of consensus.
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 | 0,023 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».