Overshadowed by shadowing: exploring how Canadian medical students experience shadowing
Notice bibliographique
Résumé
Background: Preclinical medical students commonly perceive shadowing as beneficial for career exploration. However, research is sparse on the broader impact of shadowing as a learning strategy. We explored students' perceptions and lived experiences of shadowing to understand its role and impact on their personal and professional lives. Methods: Between 2020-2021, individual semi-structured video interviews were conducted with 15 Canadian medical students in this qualitative descriptive study. Inductive analysis proceeded concurrently with data collection until no new dominant concepts were identified. Data were iteratively coded and grouped into themes. Results: Participants described internal and external factors that moulded shadowing experiences, arising tensions between intended and perceived experiences, and how these lived experiences impacted their wellness. Internal factors associated with shadowing behaviour included: 1) aspiring to be the best and shadowing to demonstrate excellence, 2) shadowing for career exploration, 3) shadowing as learning opportunities for early clinical exposure and career preparedness, and 4) reaffirming and redefining professional identity through shadowing. External factors were: 1) unclear residency match processes which position shadowing as competitive leverage, 2) faculty messaging that perpetuates student confusion around the intended value of shadowing, and 3) social comparison in peer discourse, fuelling a competitive shadowing culture. Conclusions: The tension between balancing wellness with career ambitions and the unintended consequences of unclear messaging regarding shadowing in a competitive medical culture highlights issues inherent in shadowing culture.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,188 | 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 ».