MétaCan
Menu
Retour à la cohorte
Enregistrement W3207284433 · doi:10.22454/primer.2021.389603

Mindsets of Early-Career Family Physicians Trained in Competency-Based Education

2021· article· en· W3207284433 sur OpenAlexaffabout
Mao Ding, Sudha Koppula, Olga Szafran, Lillian Au, Оксана Бабенко

Notice bibliographique

RevuePRiMER · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMindsetGraduation (instrument)Medical educationPsychologyCohortMedicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The objective of this study was to examine the mindsets (mastery, performance approach, performance avoidance) of early-career family physicians following graduation from a competency-based education residency program. METHODS: This was a longitudinal, cohort, survey study of family medicine residents at a large Canadian university. The 2015-2017 cohort of family medicine residents was surveyed at three time points: (1) at the end of residency training; (2) at 1 year in clinical practice; and (3) at 3 years in clinical practice. We used Baranik et al's instrument to measure three types of mindsets. We performed descriptive and multivariate analyses using SPSS 26.0 software. RESULTS: =.04). CONCLUSION: Family physicians trained in competency-based education continued to be mastery-oriented in the first 3 years of clinical practice. This finding is reassuring given that the mastery mindset is associated with professional well-being and long-term success. Nonetheless, because mastery mindset scores appeared to decrease over time, residency programs need to ensure graduating residents are equipped with knowledge and tools to remain mastery-oriented throughout the course of their professional careers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,313
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePRiMERMême sujetInnovations in Medical EducationTravaux en français237 207