Teaching Empathy Through Qualitative Research in Dental & Medical Health Promotion Education: A Snapshot
Notice bibliographique
Résumé
Through this article, I endeavour to reflect on decades of experience as an applied philosophical hermeneutic qualitative researcher, engaging participants’ perspectives about living with chronic pain, osteoporosis, cancer as well as communicative approaches to medical/dental education. Having spent over a decade as an educator on the topics of professionalism empathy and ethical behaviours for dentistry students. As a co-instructor for , where whole person care and empathy become invaluable concepts to help develop these characteristics in our students. This observation of the curriculum reveals that these sometimes are referred to as “soft skills” are interspersed within the curriculum rather than interwoven throughout both classroom teaching and clinical experiences. Whereas the scientific/professional skills dentists need to demonstrate dominate the student’s experiences as they move through the curriculum. The question may become, can the two modes of professional dental/medical education co-exist in ways where both are valued and meaningfully integrated together? If so, perhaps how we teach as well as what we teach needs to find an empathic harmony. This article was written with the intention to open-up conversations among educators and students about how to teach empathy through qualitative research.
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 | 0,068 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,012 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».