Understanding students’ motivations for participating in a mindfulness course: a qualitative analysis of medical students’ views
Notice bibliographique
Résumé
OBJECTIVES: Improving medical students' wellbeing and empowerment through curricular activities is a topic of interest worldwide. Mindfulness-based interventions (MBIs) are increasingly implemented in medical education often as part of elective courses. To better understand training outcomes and adjust curriculum to students' needs, we will explore why will medical students participate in meditation-based education? METHODS: We analyzed 29 transcripts from the first session of an 8-week MBSR program offered to medical students in French. Transcripts were coded and analyzed using a qualitative content thematic analysis and the constant comparison method. RESULTS: Analyses resulted in three themes describing students' motivation: (1) Medical education and the physician's role, i.e. improving interpersonal skills, acquiring skills oriented toward a more integrative medicine, being more productive in a highly competitive context. (2) Caring for my health i.e. aiming at stress reduction, emotion regulation, and improving self-compassion. (3) A quest for meaning, i.e. optimizing meaning of care, and meaning of life. CONCLUSION: The results highlight the congruence between the perceived motivations and the evidence on the effect of mindfulness on self-care, the development of humanistic medical skills, and the meaning of care. Some findings raise the issue of the limits of using mindfulness to enhance one's productivity. Notably, participants articulated the need for self-care as in mindfulness training, with the ability to care for others.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».