MétaCan
Menu
Retour à la cohorte
Enregistrement W4307970027 · doi:10.1007/s10459-022-10167-x

Documentation as composing: how medical students and residents use writing to think and learn

2022· article· en· W4307970027 sur OpenAlexafffund
Dillon Bowker, Jacqueline Torti, Mark Goldszmidt

Notice bibliographique

RevueAdvances in Health Sciences Education · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensLondon Health Sciences CentreDalhousie UniversityWestern University
Organismes subventionnairesSchulich School of Medicine and DentistryAcademic Medical Organization of Southwestern Ontario
Mots-clésDocumentationMedical educationValue (mathematics)PsychologyQualitative researchMedicineComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Some educators have described clinical documentation as "scut". Research in medicine has focused on documentation's communicative value and not its function in learning. With time being an important commodity and electronic health records changing how we document, understanding the learning value of documentation is essential. The purpose of this study was to explore how trainee composing practices shape learning. Qualitative methods employing Rhetorical Genre Theory were used to explore clinical documentation practices among medical trainees. Data collection and analysis occurred in iterative cycles. Data included field notes and field interviews from 110 h of observing junior trainees and senior internal medicine residents participating in patient admission and follow-up visits. Analysis was focused on Paré and Smart's framework for studying documentation as composing. From a composing lens, documentation plays a vital role in learning in clinical settings. Junior trainees were observed to be reliant on using writing to support their thinking around patient care. Before patient encounters, writing helped trainees focus on what was already known and develop a preliminary understanding of the patient's problem(s). After encounters, writing helped trainees synthesize the data and develop an assessment and plan. Before and after the encounter, through writing, trainees also identified knowledge and data collection gaps. Our findings highlight clinical documentation as more than a communication task. Rather, the writing process itself appeared to play a pivotal role in supporting thinking. While some have proposed strategies for reducing trainee involvement, we argue that writing can be time well spent.

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)0,018
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,068
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,010
Communication savante0,0100,008
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,479
Écart entre enseignants0,451 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

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

En bref

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Health Sciences EducationMême sujetInnovations in Medical EducationTravaux en français237 207