Medical Students’ Perceptions of Learning and Working on the COVID-19 Frontlines: “… a confirmation that I am in the right place professionally.”
Notice bibliographique
Résumé
Abstract Introduction The COVID-19 pandemic caused complex and enduring challenges for health care providers and medical educators and changed the medical education landscape for learners. Medical students were required to adapt and learn in a novel learning environment while universities paused their formal medical training. The current study sought to investigate medical students’ experiences working on a pandemic frontline to understand how they perceived this novel learning environment influenced both their learning and their developing professional identity. Methods We conducted semi-structured interviews with 21 medical students who worked in a COVID-19 testing facility at the University Hospital of Basel. Using constructivist grounded theory methodology, we collected and analyzed data iteratively using a constant comparative approach to develop codes and theoretical categories. Results Participants described improvements in their technical and communication skills, consequently impacting their professional development. The presence of a perceived flat hierarchy between the physicians and medical students promoted professional identity development amongst the medical students. Most participants perceived working on the pandemic frontlines as a positive learning experience, which seemed supported by a flatter hierarchy and open communication compared to their usual learning environment. Conclusion Since medical students reported that their work on the pandemic frontlines positively affected their learning, the need to create hands-on learning opportunities for medical students challenge curriculum developers. Medical students wish to feel like full-fledged care team members rather than observing learners. Performing simple clinical tasks and collaborative moments in a supportive learning environment may promote learning and professional development.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».