MétaCan
Menu
Retour à la cohorte
Enregistrement W4391984004 · doi:10.5334/pme.1308

Quarantining From Professional Identity: How Did COVID-19 Impact Professional Identity Formation in Undergraduate Medical Education?

2024· article· en· W4391984004 sur OpenAlexafffund
Maham Rehman, F. Khalid, Urmi Sheth, Lulwa Al‐Duaij, Justin Chow, Arden Azim, Nicole Last, Sarah Blissett, Matthew Sibbald

Notice bibliographique

RevuePerspectives on Medical Education · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcMaster UniversityUniversity of Ottawa
Organismes subventionnairesMcMaster University
Mots-clésSociocultural evolutionSocializationIdentity (music)PandemicMedical educationPsychologyCoronavirus disease 2019 (COVID-19)MedicineSociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Introduction: Professional Identity Formation (PIF) entails the integration of a profession's core values and beliefs with an individual's existing identity and values. Within undergraduate medical education (UGME), the cultivation of PIF is a key objective. The COVID-19 pandemic brought about substantial sociocultural challenges to UGME. Existing explorations into the repercussions of COVID-19 on PIF in UGME have predominantly adopted an individualistic approach. We sought to examine how the COVID-19 pandemic influenced PIF in UGME from a sociocultural perspective. This study aims to provide valuable insights for effectively nurturing PIF in future disruptive scenarios. Methods: Semi structured interviews were conducted with medical students from the graduating class of 2022 (n = 7) and class of 2023 (n = 13) on their medical education experiences during the pandemic and its impact on their PIF. We used the Transformation in Medical Education (TIME) framework to develop the interview guide. Direct content analysis was used for data analysis. Results: The COVID-19 pandemic significantly impacted the UGME experience, causing disruptions such as an abrupt shift to online learning, increased social isolation, and limited in-person opportunities. Medical students felt disconnected from peers, educators, and the clinical setting. In the clerkship stage, students recognized knowledge gaps, producing a "late blooming" effect. There was increased awareness for self-care and burnout prevention. Discussion: Our study suggests that pandemic disruptors delayed PIF owing largely to slower acquisition of skills/knowledge and impaired socialization with the medical community. This highlights the crucial role of sociocultural experiences in developing PIF in UGME. PIF is a dynamic and adaptable process that was preserved during the COVID-19 pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,036
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,452
Écart entre enseignants0,431 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207