General practice residents’ perspectives on their professional identity formation: a qualitative study
Notice bibliographique
Résumé
Objectives To move beyond professionalism as a measurable competency, medical educators have highlighted the importance of forming a professional identity, in which learners come to ‘think, act, and feel like physicians’. This socialisation process is known as professional identity formation (PIF). Few empirical studies on PIF in residency have been undertaken. None of these studies focused on PIF during the full length of GP training as well as the interplay of concurrent socialising factors. Understanding the socialisation process involved in the development of a resident’s professional identity and the roles of influencing factors and their change over time could add to a more purposeful approach to PIF. Therefore, we aimed to investigate the process of PIF during the full length of General Practice (GP) training and which factors residents perceive as influential. Design A qualitative descriptive study employing focus group interviews. Setting Four GP training institutes across the Netherlands. Participants Ninety-two GP residents in their final training year participated in 12 focus group interviews. Results Study findings indicated that identity formation occurs primarily in the workplace, as residents move from doing to becoming and negotiate perceived norms. A tapestry of interrelated influencing factors—most prominently clinical experiences, clinical supervisors and self-assessments—changed over time and were felt to exert their influence predominantly in the workplace. Conclusions This study provides deeper empirical insights into PIF during GP residency. Doing the work of a GP exerted a pivotal influence on residents’ shift from doing as a GP to thinking, acting and feeling like a GP, that is, becoming a GP. Clinical supervisors are of utmost importance as role models and coaches in creating an environment that supports residents’ PIF. Implications for practice include faculty development initiatives to help supervisors be aware of how they can perform their various roles across different PIF stages.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».