The Value of Communities of Practice as a Learning Process to Increase Resilience in Healthcare Teams
Notice bibliographique
Résumé
Abstract This paper addresses the role that communities of practice (CoP) can have within the healthcare environment when facing uncertainty and highly emotionally impactful situations, such as the current COVID-19 pandemic. The starting point is the recognition that CoPs can contribute to build resilience among their members, and particularly moral resilience. Among others, this is due to the fact that they share a reflective space from which shared knowledge is generated, which can be a source of strength and trust within the healthcare team. Specifically, in extreme situations, the CoPs can contribute to coping with moral distress, which will be crucially important not only to facing crisis situations, but to prevent the long-term adverse consequences of working in conditions of great uncertainty. The purpose of this paper is to analyze how CoP can support healthcare professionals when building moral resilience. To support that goal, we will first define CoP and describe the main characteristics of communities of practice in healthcare. Subsequently, we will clarify the concept of moral resilience, and establish the relationship between CoP and moral resilience in light of the current COVID-19 pandemic. Finally, we analyze different group experiences that we can consider as CoP which emerged in the midst of the COVID-19 pandemic to navigate moral problems that arose.
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 | 0,020 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,014 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».