Ready, Set, Goal: A Mixed Methods Study of a Goal-Setting Intervention on 2 Competency-Based Geriatric Medicine Rotations
Notice bibliographique
Résumé
ABSTRACT Background More research is required to understand the effects of implementing structured goal-setting on trainee engagement in competency-based clinical learning environments. Objective To explore how residents experienced a rotation-specific goal-setting intervention on geriatric medicine rotations at 2 hospitals. Methods All rotating residents were expected to complete the intervention, consisting of a SMART-based (Specific, Measurable, Achievable, Relevant, and Time-Bound) goal-setting form and feedback sessions with teaching faculty. From November 2019 to June 2021, we recruited a convenience sample of rotating residents. Study participants completed pre- and postrotation 35-item Dutch Residency Educational Climate Test (D-RECT) questionnaires to compare scores from their rotation before the geriatric rotation and a postrotation semistructured interview, which we transcribed and analyzed using principles of constant comparison and reflexive thematic analysis. Results We interviewed 12 of 58 (20.7%) residents participating in the goal-setting intervention, 11 of whom completed both D-RECT questionnaires. Participants’ D-RECT scores favored the geriatric medicine rotation versus the immediately preceding clinical rotation (M=4.29±0.37; M=3.84±0.44, P =.002). Analyses of interview transcripts yielded 3 themes on how participants perceived the intervention influenced their learning experience: (1) structured forms and processes mediate, inform, and constrain goal selection; (2) interactions with faculty, patients, and system factors influenced goal enactment; and (3) unstructured assessments led to uncertainty around goal achievement. Challenges included time restrictions and unpredictable clinical opportunities. Conclusions Goal-setting appeared to help many residents direct their learning efforts and engage in collaborative processes with teaching faculty. We identified challenges limiting residents’ engagement with the goal-setting intervention, which may inform the practical implementation of goal-setting in other competency-based curricula.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».