Enhancing research and scholarly experiences based on students’ awareness and perception of the research-teaching nexus: A student-centred approach
Notice bibliographique
Résumé
OBJECTIVES: Research is a core competency of a modern-day doctor and evidence-based practice underpins a career in medicine. Early exposure encourages graduates to embed research in their medical career and improves graduate attributes and student experience. However, there is wide variability of research and scholarly experiences offered in medicals schools, many developed with a significant degree of pragmatism based on resources and financial and time constraints. We examined undergraduate medical students' awareness and experience of research throughout their degree to provide recommendations for implementation and improvement of research and scholarly experiences. METHOD: Focus groups were conducted with medical students at all five stages of the medical degree programme. Data was coded to facilitate qualitative analysis for identification of important themes from each stage. RESULTS: Students reported positive impacts of research on undergraduate experience, future career and society in general. Two important themes emerged from the data, the opportunity for research and timing of research experiences. Early-stage students were concerned by their lack of experience and opportunity, whereas later-stage students identified the importance of research to employability, personal development and good medical practice, but ironically suggested it should be integrated in early stages of the course due to limitations of time. CONCLUSIONS: Students provided feedback for improving research and scholarly experiences, ideally involving early exposure, a clear programme overview, with equality of access and a longitudinal approach. An emerging framework is proposed summarising the important issues identified by students and the positive impacts research experiences provide for them. These recommendations can be applied to both existing and new research programmes to provide a student-centred approach designed to augment the students' critical analysis, inspire life-long learning, enhance the student experience and inevitably train better physicians.
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 | 0,009 | 0,052 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».