“From Health Experts to Health Guides”: Motivational Interviewing Learning Processes and Influencing Factors
Notice bibliographique
Résumé
Motivational interviewing is an evidence-based counseling approach. However, its learning processes and their influencing factors are understudied, failing to address the suboptimal use of motivational interviewing in clinical practice. A participatory action research was conducted in collaboration with 16 primary care clinicians, who encountered similar challenges through their previous counseling approaches. The study aimed to facilitate and describe the clinicians' professional transformation through interprofessional communities of practice on motivational interviewing (ICP-MI). Data were collected using the principal investigator's research journal and participant observation of four independent ICP-MIs (76 h) followed by focus groups (8 h). The co-participants performed inductive qualitative data analysis. Results report that learning motivational interviewing requires a paradigm shift from health experts to health guides. The learning processes were initiated by the creation of an openness to the MI spirit and rapidly evolved into iterative processes of MI spirit embodiment and MI skill building. The intrinsic influencing factors involved the clinician's personal traits and professional background; the extrinsic influencing factor was the shared culture disseminating the expert care model. Previously described in a fragmented manner, motivational interviewing learning processes, and its influencing factors were presented as integrated findings. Considerations in elaborating effective MI training/implementation programs are discussed for clinicians, trainers, and decision-makers. Future areas of investigation are also highlighted calling forth the research community to contribute to knowledge advancement on health education in primary care.
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 | 0,002 | 0,001 |
| 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 | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».