MétaCan
Menu
← Retour à la cohorte
Enregistrement W4293724258 · doi:10.3390/ijerph191710732

Understanding Feedback for Learners in Interprofessional Settings: A Scoping Review

2022· review· en· W4293724258 sur OpenAlexaff
Varun Coelho, Andrew F Scott, Elif Bilgiç, Amy Keuhl, Matthew Sibbald

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Process (computing)PerceptionMedical educationPeer feedbackData extractionMEDLINEComputer sciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Interprofessional feedback is becoming increasingly emphasized within health professions' training programs. The objective of this scoping review is to determine what is known about how learners perceive and interact with feedback in an interprofessional context for learning. METHODS: A search strategy was developed and conducted in Ovid MEDLINE. Title and abstract screening were performed by two reviewers independently. Next, full texts of selected articles were reviewed by one reviewer to determine the articles included in the review. Data extraction was performed to determine the articles' study population, methodologies and outcomes relevant to the research objective. RESULTS: Our analysis of the relevant outcomes yielded four key concepts: (1) issues with the feedback process and the need for training; (2) the perception of feedback providers, affecting how the feedback is utilized; (3) professions of the feedback providers, affecting the feedback process; and (4) learners' own attitude toward feedback, affecting the feedback process. CONCLUSIONS: The learner's perception of interprofessional feedback can be an obstacle in the feedback process. Training around interprofessional feedback should be included as part of interprofessional programs. Research is needed to explore how to address barriers in feedback interaction that stem from misguided perceptions of feedback providers' professions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,086
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,086
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0150,015
Études des sciences et des technologies0,0010,001
Communication savante0,0050,006
Science ouverte0,0020,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,409
Tête enseignante GPT0,561
Écart entre enseignants0,152 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public Health→Même sujetInnovations in Medical Education→Travaux en français237 207→