Not in the file: How competency committees work with undocumented contributions
Notice bibliographique
Résumé
INTRODUCTION: Competence committees (CCs) centre their work around documentation of trainees' performance; undocumented contributions (i.e. informal, unrecorded material like personal judgements, experiential anecdotes and contextual information) evoke suspicion even though they may play a role in decision making. This qualitative multiple case study incorporates insights from a social practice perspective on writing to examine the use of undocumented contributions by the CCs of two large post-graduate training programmes, one in a more procedural (MP) speciality and the other in a less procedural (LP) one. METHODS: Data were collected via observations of meetings and semi-structured interviews with CC members. In the analysis, conversations were organised into triptychs of lead-up, undocumented contribution(s), and follow-up. We then created thick descriptions around the undocumented contributions, drawing on conversational context and interview data to assign possible motivations and significance. RESULTS: We found no instances in which undocumented contributions superseded the contents of a trainee's file or stood in for missing documentation. The number of undocumented contributions varied between the MP CC (six instances over two meetings) and the LP CC (22 instances over three meetings). MP CC discussions emphasised Entrustable Professional Activity (EPA) observations, whereas LP CC members paid more attention to narrative data. The divergent orientations of the CCs-adding an 'advis[ing]/guid[ing]' role versus focusing simply on evaluation-offers the most compelling explanation. In lead-ups, undocumented contributions were prompted by missing and flawed documentation, conflicting evidence and documentation at odds with members' perceptions. Recognising other 'red flags' in documentation often required professional experience. In follow-ups, purposes served by undocumented contributions varied with context and were difficult to generalise; we, therefore, provide deeper analysis of two vignettes to illustrate. CONCLUSIONS: Our data suggest undocumented contributions often serve best efforts to ground decisions in documentation. We would encourage CC practices and policies be rooted in more nuanced approaches to documentation.
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 | 0,044 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,031 | 0,025 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,005 | 0,019 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».