Improving Communication Skills: Feedback from Faculty and Residents
Notice bibliographique
Résumé
Objectives: To determine common themes in faculty and peer feedback for emergency medicine (EM) resident oral presentations. Methods: From January to July 2005, all EM residents received written feedback on communication skills from two faculty and two peer reviewers. The feedback forms were analyzed by using formal grounded theory. The two investigators independently reviewed 25% of the forms to generate a code of general categories and specific qualifiers. The independent codes were merged by consensus into a common code. All forms were independently coded by the two investigators using the common code. Coding disagreements were resolved by consensus, yielding a uniform inventory of feedback categories and qualifiers. Results: Twenty-one of 23 residents participated. Three hundred seventy-two data points were coded, with an interrater agreement of 85.7%. The five most common feedback themes were as follows: focus on key and relevant teaching points; increase audience participation; encourage higher level thinking; decrease content per slide; and add missing content relevant to teaching point. Peers differed from faculty, mentioning more frequently encourage higher level thinking and add missing content relevant to teaching point. Faculty differed from peers, mentioning increase clarity of teaching point and be engaging and enthusiastic more frequently. The difference in distribution of themes between faculty and peers was significant (χ2= 59.692; p = 0.01). Conclusions: The authors present a model for providing feedback to EM residents on communication skills that is individualized, behavior based, and includes peer comments. Faculty and peers differ in their recommendations. The findings may inform communication skills curricula for EM residents.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».