The role of mentoring and coaching of healthcare professionals for digital technology adoption and implementation: A scoping review
Notice bibliographique
Résumé
Objective: Mentoring and coaching practices have supported the career and skill development of healthcare professionals (HCPs); however, their role in digital technology adoption and implementation for HCPs is unknown. The objective of this scoping review was to summarize information on healthcare education programs that have integrated mentoring or coaching as a key component. Methods: The search strategy and keyword searches were developed by the project team and a research librarian. A two-stage screening process consisting of a title/abstract scan and a full-text review was conducted by two independent reviewers to determine study eligibility. Articles were included if they: (1) discussed the mentoring and/or coaching of HCPs on digital technology, including artificial intelligence, (2) described a population of HCPs at any stage of their career, and (3) were published in English. Results: A total of 9473 unique citations were screened, identifying 19 eligible articles. 11 articles described mentoring and/or coaching programs for digital technology adoption, while eigth described mentoring and/or coaching for digital technology implementation. Program participants represented a diverse range of industries (i.e., clinical, academic, education, business, and information technology). Digital technologies taught within programs included electronic health records (EHRs), ultrasound imaging, digital health informatics, and computer skills. Conclusions: This review provided a summary of the role of mentoring and/or coaching practices within digital technology education for HCPs. Future training initiatives for HCPs should consider appropriate resources, program design, mentor-learner relationship, security concerns and setting clear expectations for program participants. Future research could explore mentor/coach characteristics that would facilitate successful skill transfer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,018 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».