Attributes of excellent clinician teachers and barriers to recognizing and rewarding clinician teachers’ performances and achievements: a narrative review
Notice bibliographique
Résumé
Background: Over the last 31 years, there have been several institutional efforts to better recognize and reward clinician teachers. However, the perception of inadequate recognition and rewards by clinician teachers for their clinical teaching performance and achievements remains. The objective of this narrative review is two-fold: deepen understanding of the attributes of excellent clinician teachers considered for recognition and reward decisions and identify the barriers clinician teachers face in receiving recognition and rewards. Methods: We searched OVID Medline, Embase, Education Source and Web of Science to identify relevant papers published between 1990 and 2020. After screening for eligibility, we conducted a content analysis of the findings from 43 relevant papers to identify key trends and issues in the literature. Results: We found the majority of relevant papers from the US context, a paucity of relevant papers from the Canadian context, and a declining international focus on the attributes of excellent clinician teachers and barriers to the recognition and rewarding of clinician teachers since 2010. 'Provides feedback', 'excellent communication skills', 'good supervision', and 'organizational skills' were common cognitive attributes considered for recognition and rewards. 'Stimulates', 'passionate and enthusiastic', and 'creates supportive environment', were common non-cognitive attributes considered for recognition and rewards. The devaluation of teaching, unclear criteria, and unreliable metrics were the main barriers to the recognition and rewarding of clinician teachers. Conclusions: The findings of our narrative review highlight a need for local empirical research on recognition and reward issues to better inform local, context-specific reforms to policies and practices.
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 | 0,007 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».