“Come and share your story and make everyone cry”: complicating service user educator storytelling in mental health professional education
Notice bibliographique
Résumé
It has become relatively common practice within health professional education to invite people who have used mental health and social care services (or service user educators) to share their stories with health professional learners and students. This paper reports on findings from a postcritical ethnographic study of the practice of service user involvement (SUI), in which we reflexively inquired into conceptualizations of service user educators' knowledge contributions to health professional education in the accounts of both service user- and health professional educators. This research was conducted in response to recent calls for greater scrutiny surrounding the risks, challenges, and complexities inherent in involving service users in health professional education spaces. 'Story/telling' was identified as a pronounced overarching construct in our analysis, which focuses on participants' reports of both the obvious and more subtle tensions and complexities they experience in relation to storytelling as a predominant tool or approach to SUI. Our findings are presented as three distinct, yet overlapping, themes related to these complexities or tensions: (a) performative expectations; (b) the invisible work of storytelling; and (c) broadening conceptualizations of service user educators' knowledge. Our findings and discussion contribute to a growing body of literature which problematizes the uncritical solicitation of service user educators' stories in health professional education and highlights the need for greater consideration of the emotional and epistemic labour expected of those who are invited to share their stories. This paper concludes with generative recommendations and reflexive prompts for health professional educators seeking to engage service user educators in health professional education through the practice of storytelling.
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 | 0,045 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,033 |
| Communication savante | 0,016 | 0,015 |
| Science ouverte | 0,004 | 0,023 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».