Fostering a Health-Promoting Learning Environment in Medical Education: Adapting the Okanagan Charter for Administrators and Medical Educators
Notice bibliographique
Résumé
Medical students enter medical school with similar or even better well-being than their age-matched peers in other educational programs, but there is predictable erosion of their well-being following matriculation. Interventions to counter this erosion predominantly focus on the individual level; however, significant systemic issues persist that thwart meaningful change. Effectively reforming the learning environment and more broadly targeting problematic aspects of the culture of medical education are essential steps to advance efforts to improve medical learner well-being. Although a healthy environment may allow learners to be well in the educational setting, a health-promoting learning environment strives to promote and embed well-being across all aspects of the learner's experience. Health-promoting learning environments operate by infusing health principles into all aspects of operations, practices, mandates, and businesses. The Okanagan Charter is a widely adopted international framework with principles for best practices of adoption. This charter has the recent endorsement of the Association of Faculties of Medicine of Canada, representing all faculties of medicine in Canada, and serves as a framework for reassessing work on well-being in medical education. In response to this endorsement, the authors have adapted the 5 strategies from the charter for pragmatic integration into the medical education environment and added a sixth strategy: (1) embed health in all policies; (2) develop sustainable, supportive spaces; (3) create thriving medical communities and culture; (4) encourage, support, and sustain meaningful personal development; (5) review, develop, and strengthen faculty-level health services; and (6) collaborate and invest in continuous improvement and evaluation. For each of these 6 strategic directions, actionable steps for implementation in academic medicine are provided to create sustainable and meaningful change.
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 | 0,035 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,008 |
| 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 ».