A framework for residents’ pursuit of excellence based upon non-cognitive and cognitive attributes
Notice bibliographique
Résumé
PURPOSE: Excellence, although variably conceptualized, is commonly used in medicine and the resident excellence literature is limited. Both cognitive attributes (CAs) and non-cognitive attributes (NCAs) are essential for academic and clinical performance; however, the latter are difficult to evaluate. Undergirded by an inclusive and non-competitive approach and utilizing CAs and NCAs, we propose a criterion-referenced behavioral framework of resident excellence. METHODS: Perceptions of multiple stakeholders (educational administrators, faculty, and residents), gathered by survey (n = 218), document analysis (n = 52), and focus group (n = 23), were analyzed. Inductive thematic analysis was followed by deductive interpretation and categorization using sensitizing concepts for excellence, NCAs, and CAs. Chi-squared tests were used to determine stakeholder perception differences. RESULTS: All stakeholders had similar perceptions (P > .05) and 13 behavioral attributes in 6 themes undergirded by insight and conscientiousness were identified. The NCAs included: interpersonal skills (works with others, available, humble), professional (compassionate, trustworthy), commitment to profession (visible, volunteers), commitment to learn (proactively seeks feedback, creates learning opportunities), and work-life balance/integration (calm demeanor, inspirational). The CA (medical knowledge and intellect) included: applies knowledge to gain expertise and improves program's caliber. CONCLUSION: Resident excellence is posited as a pursuit. The attributes are non-competitive, inclusionary, potentially achievable by all, and do not negatively affect freedom of choice. However, contextual and cultural differences are likely and these need validation across societal equity segments. There are implications for learners (adaptive reflection and learning goal orientation), faculty (reduced bias and whole-person feedback), and system leaders (enhancing culture and learning environments) to foster excellence.
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 | 0,003 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».