Disorienting or Transforming? Using the Arts and Humanities to Foster Social Advocacy
Notice bibliographique
Résumé
Introduction: The arts and humanities (AH) have transformative potential in medical education. Research suggests that AH-based pedagogies may facilitate both personal and professional transformation in medical learners, which may then further enhance the teaching and learning of social advocacy skills. However, the potential for such curricula to advance social advocacy training remains under-explored. Therefore, we sought to identify how AH may facilitate transformative learning of social advocacy in medical education. Methods: Building upon previous research, we conducted a critical narrative review seeking examples from the literature on how AH may promote transformative learning of social advocacy in North American medical education. Through a search of seven databases and MedEdPORTAL, we identified 11 articles and conducted both descriptive and interpretative analyses of their relation to key tenets of transformative learning, including: disorientation/dissonance, critical reflection, and discourse/dialogue. Results: We found that AH are used in varied ways to foster transformative learning in social advocacy. However, most approaches emphasize their use to elicit disorientation and dissonance; there is less evidence in the literature regarding how they may be of potential utility when applied to disorienting dilemma, critical reflection, and discourse/dialogue. Discussion: The tremendous potential of AH to foster transformative learning in social advocacy is constrained due to minimal attention to critical reflection and dialogue. Future research must consider how novel approaches that draw from AH may be used for more robust engagement with transformative learning tenets in medical 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».