Currencies of recognition: What rewards and recognition do Canadian distributed medical education preceptors value?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<ns3:p> <ns3:bold>Background</ns3:bold> : Medical schools spend considerable time, effort, and money on recognition initiatives for rural and distributed medical education (DME) faculty. Previous literature has focused on intrinsic motivation to teach and there is little in the literature to guide institutional recognition efforts or to predict which items or types of recognition will be most appreciated. </ns3:p> <ns3:p> <ns3:bold>Methods:</ns3:bold> To better understand how rural and DME faculty in Canada value different forms of recognition, we asked faculty members from all Canadian medical schools to complete a bilingual, national online survey evaluating their perceptions of currently offered rewards and recognition. The survey received a robust response in both English and French, across nine Canadian provinces and one territory. </ns3:p> <ns3:p> <ns3:bold>Results:</ns3:bold> Our results indicated that there were three distinct ways that preceptors looked at recognition; these perspectives were consistent across geographic and demographic variables. These “clusters” or “currencies of recognition” included: i) Formal institutional recognition, ii) connections, growth and development, and iii) tokens of gratitude. Financial recognition was also found to be important but separate from the three clusters. Some preceptors did value support of intrinsic motivation most important, and for others extrinsic motivators, or a mix of both was most valued. </ns3:p> <ns3:p> <ns3:bold>Conclusions:</ns3:bold> Study results will help medical schools make effective choices in efforts to find impactful ways to recognize rural and DME faculty. </ns3:p>
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.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 découle