MétaCan
Menu
Retour à la cohorte
Enregistrement W4308409465 · doi:10.36834/cmej.74419

S’outiller pour mieux participer à la rétroaction : Un nouveau modèle cognitivo-comportemental destiné aux apprenants en médecine

2022· article· fr· W4308409465 sur OpenAlexaffvenue
Diane Bouchard-Lamothe, Jennifer Rowe, Sylvain Boet, Manon Denis-LeBlanc

Notice bibliographique

RevueCanadian Medical Education Journal · 2022
Typearticle
Languefr
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensInstitut du Savoir MontfortFrancophone University AssociationUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPsychologyPeer feedbackFormative assessmentProcess (computing)Openness to experiencePedagogySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Sharing formative feedback is inherent in the supervision process and the acceptance of feedback by learners is an essential step in learning. However, receiving feedback from the supervisor evokes emotions and accepting it is not easy. Several recommendations guide preceptors on how to share feedback with learners and all emphasize the importance of encouraging the learner to actively interact in the feedback process. Although studies point to the positive effect of informing and training learners about feedback, few focus on their responsiveness to feedback. Under the rubric of developing a personal skill to better accept feedback, we propose a new behavioral model, called H.O.S.T., which aims to guide learners to approach feedback with a personal growth mindset associated with the learning position. Specifically, the model presents an interdependent set of attitudes and behaviors that aim to facilitate emotional management and engagement in the feedback process, in order to initiate the reflective process necessary for learning and to enable the acquisition of targeted skills. The acronym H.O.S.T. reminds students of the four essential elements of the behavioral model: humility, openness, shared explicitness and tenacity. Based on the positive psychology movement, each element is defined and justified by known theoretical concepts. In order to better assimilate the components of the model, the use of internal dialogue is adopted to facilitate the training and adoption of behaviors. The essence of the model is discussed in light of the feedback literacy dedicated to learners.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,012
Communication savante0,0120,013
Science ouverte0,0030,004
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,026
Tête enseignante GPT0,328
Écart entre enseignants0,302 · 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'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetInnovations in Medical EducationTravaux en français237 207