Occupational Therapy Students’ Perceptions of Feedback During Pre-Fieldwork Simulation Debrief: Useful and Why
Notice bibliographique
Résumé
Simulation is increasingly used in occupational therapy education with the objectives of developing practice skill competency and enhancing clinical reasoning. Debriefing, an integral part of the simulation process, is critical to achieving these objectives. This study sought to determine the types of debrief feedback Master of Science in Occupational Therapy (MScOT) students perceived as most useful and why, and how the advocacy inquiry model of debriefing influenced self-reported increases in clinical reasoning, client care, and planned implementation of feedback in practice. Using an embedded mixed method design with secondary data analysis, sixty-three first-year MScOT students provided 357 descriptions of the most useful feedback they received during 10-minute, facilitator-led debrief sessions after six simulations. Qualitative analysis revealed useful feedback was related to specific skills, interviewing and communication, the process of practice, strengths and encouragement, and client-centeredness. The advocacy inquiry approach was a useful delivery method of feedback. Logistic regression indicated that reported use of the advocacy inquiry model increased the likelihood by 4.7 times that students reported the debrief facilitated clinical reasoning. When advocacy inquiry was used in conjunction with providing feedback on specific skills, students were 5.3 times more likely to report planned implementation of the feedback in practice. Students value a variety of types of feedback during simulation debriefs. Debriefs using the advocacy inquiry method may be particularly useful for facilitating the development of clinical reasoning in the context of simulation-based fieldwork education.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».