Upward Feedback: Exploring Learner Perspectives on Giving Feedback to their Teachers
Notice bibliographique
Résumé
Introduction: Feedback from learners is known to be an important motivator for medical teachers, but it can be de-motivating if delivered poorly, leaving teachers frustrated and uncertain. Research has identified challenges learners face in providing upward feedback, but has not explored how challenges influence learners' goals and approaches to giving feedback. This study explored learner perspectives on providing feedback to teachers to advance understanding of how to optimize upward feedback quality. Methods: We conducted semi-structured interviews with 16 learners from the MD program at the University of British Columbia. Applying an interpretive description methodology, interviews continued until data sufficiency was achieved. Iterative analysis accounted for general trends across seniority, site of training, age and gender as well as individual variations. Findings: Learners articulated well-intentioned goals in relation to upward feedback (e.g., to encourage effective teaching practices). However, conflicting priorities such as protecting one's image created tensions leading to feedback that was discordant with teaching quality. Several factors, including the number of feedback requests learners face and whether learners think their feedback is meaningful mediated the extent to which upward feedback goals or competing goals were enacted. Discussion: Our findings offer a nuanced understanding of the complexities that influence learners' approaches to upward feedback when challenges arise. In particular, goal conflicts make it difficult for learners to contribute to teacher support through upward feedback. Efforts to encourage the quality of upward feedback should begin with reducing competition between goals by addressing factors that mediate goal prioritization.
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,002 | 0,002 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».