Alienation in the Teaching Hospital: How Physician Non-Greeting Behaviour Impacts Medical Students’ Learning and Professional Identity Formation
Notice bibliographique
Résumé
Introduction: Clinical workplaces offer unrivalled learning opportunities if students get pedagogic and affective support that enables them to confidently participate and learn from clinical activities. If physicians do not greet new students, the learners are deprived of signals of social respect and inclusion. This study explored how physicians’ non-greeting behaviour may impact medical students’ participation, learning, and professional identity formation in clinical placements. Methods: We analysed 16 senior Norwegian medical students’ accounts of non-greeting behaviours among their physician supervisors in a reflexive thematic analysis of focus group interview data. Results: The main themes were: A) Descriptions of non-greeting. Not being met with conduct signalling rapport, such as eye contact, saying hello, using names, or introducing students at the workplace, was perceived as non-greeting, and occurred across clinical learning contexts. B) Effects on workplace integration. Non-greeting was experienced as a rejection that hurt students’ social confidence, created distance from the physician group, and could cause avoidance of certain workplace activities or specific medical specialties. C) Impact on learning. Non-greeting triggered avoidance and passivity, reluctance to ask questions or seek help or feedback, and doubts about their suitability for a medical career. Conclusion: Medical students’ accounts of being ignored or treated with disdain by physician superiors upon entering the workplace suggest that unintended depersonalising behaviour is ingrained in medical culture. Interaction rituals like brief eye contact, a nod, a “hello”, or use of the student’s name, can provide essential affective support that helps medical students thrive and learn in the clinic.
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 | 0,005 | 0,017 |
| 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 | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».