A thematic analysis of students' discussions on death and body donation in international online focus groups
Notice bibliographique
Résumé
Historically, Anatomy education is an in-person discipline involving exposure to human body donors that facilitates personal and professional growth through, in part, the initiation of reflection on the topic of death. However, during the COVID-19 pandemic the decreased exposure to cadaveric anatomy for many health professions students may have influenced the depth of their individual reflections on this topic. Accordingly, this study aimed to investigate the effect of an alternate approach-focus group discussions between peers with varying degrees of exposure to cadaveric material-that may offer one strategy to stimulate deep reflection on the topic of death. A programmatic intervention was introduced, wherein students (n = 221) from 13 international universities discussed differences in their anatomy courses during small focus group sessions as part of an online exchange program. An inductive semantic thematic analysis was conducted on responses to an open-ended text-response question on how the activity influenced students' reflections about death. Resulting themes were organized into categories that described the content and topics of the students' discussions as they grappled with this sensitive topic. The students reportedly engaged in deep reflection and expressed an increased sense of connectedness with their peers, despite their disparate exposure levels to cadaveric anatomy and being physically distanced. This demonstrates that focus groups with students experiencing different laboratory contexts can be used to help all students reflect on the topic of death and that interchanges between dissecting and non-dissecting students can initiate thoughts about death and body donation among non-dissecting students.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».