Teaching Residents to Teach: Do Program Directors and Trainees Agree on Format and Content?
Notice bibliographique
Résumé
Background: Despite the important number of teaching-skills programs described in the literature, previous needs assessment of such curricula have examined primarily residents’ perceived learning needs in this field. The purpose of this study was to identify the optimal content and format of a resident teaching-skills training curriculum and compare the perspective of medical students (MS), residents and residency program directors (PD). Methods: This needs assessment was an observational study with a cross-sectional design. Online or printed questionnaires were used to assess the preferred format and content for this curriculum among MS, residents from most postgraduate medical training programs, and PD from Faculté de médecine de l’Université Laval. Results: The questionnaires were completed by 26 PD (response rate 72.2%), 146 residents (response rate 21.9%) and 154 MS (response rate 15.7%). Among the list of potential subjects that could be included in the curriculum, Learning styles, Working with students in difficulty and Self-directed learning were scored high by both residents and PD. MS favored Learning styles, Teaching in the ambulatory care setting, Teaching health promotion and prevention, Teaching with time constraints and Direct supervision strategies. PD also favored Teaching conflict management and Teaching professionalism, however these were both among the residents’ lower scores. The preferred formats were One half-day, One day and Online learning for PD and One day, Two consecutive days and A few one-day sessions over several months for residents. Conclusion: The PD and MS perception of the optimal format and content for residents’ teaching-skills training showed some discrepancies when compared with residents’ preferences. Since PD are largely involved in curriculum development for their respective specialties and since MS are also well positioned to assess residents’ teaching performance, we suggest that PD, residents and MS should all be consulted locally before organizing any intervention for teaching curricula.
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 | 0,020 | 0,086 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».