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
The COVID-19 pandemic caused complex and enduring challenges for healthcare providers and medical educators. The rapid changes to the medical education landscape forced universities across the world to pause traditional medical training. In Basel, Switzerland, however, medical students had the opportunity to work on the COVID-19 frontlines. Our purpose was to understand how they perceived both learning and professional identity development in this novel context. 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 the constant comparative approach to develop codes and theoretical themes. Most participants perceived working on the pandemic frontlines as a positive learning experience, that was useful for improving their technical and communication skills. Participants particularly valued the comradery amongst all team members, perceiving that the hierarchy between faculty and students was less evident in comparison to their usual learning environments. Since medical students reported that their work on the pandemic frontlines positively affected their learning, the need to create more hands-on learning opportunities for medical students challenges curriculum developers. Medical students wish to feel like full-fledged care team members rather than observing sideliners. Performing simple clinical tasks and collaborative moments in a supportive learning environment may promote learning and professional development and should be encouraged in the post-pandemic era.
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 | 0,006 | 0,018 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».