The simulated newsroom: A novel educational innovation to teach advocacy skills to resident physicians
Notice bibliographique
Résumé
Abstract Need for Innovation Advocacy is a key competency of Canadian residency education, yet physicians seldom engage with supraclinical advocacy efforts upon completion of training. Objective of innovation The objective was to equip participants with the knowledge and skills required to engage as physician‐advocates in their communities using opinion writing as a tool. Developmental process We used Kern's six‐step framework to leverage a common medical training method, simulation, to teach journalistic skills related to advocacy in our novel “simulated newsroom.” Two emergency physicians with journalism training and workplace experience developed simulated newsroom workshops. The simulated newsroom consisted of participants acting as journalists and the expert facilitator acting as a news editor over two workshops. The participants were encouraged to write and workshop an article with colleagues. Evaluation Participants were invited to participate in a semistructured focus group and to submit their article for qualitative analysis. Focus group transcripts and written work were qualitatively analyzed to understand acceptability and feasibility and how participants might engage as future health advocates. Outcomes Twelve participants registered for the workshops and six attended. All six participated in the focus group; four submitted written work. The innovation bolstered participants' confidence in advocacy through the popular press and provided demonstrable skills in opinion writing. Participants valued the workshop as a voluntary component of residency education led by physicians with journalism expertise. Discussion The simulated newsroom may be an effective mechanism for increasing confidence and competence in advocacy writing.
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 | 0,000 |
| 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 | 0,003 | 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) | 0,000 | 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 ».