Off-Script, Online: Virtual Medical Improv Pilot Program for Enhancing Well-being and Clinical Skills among Psychiatry Residents
Notice bibliographique
Résumé
Objective: Clinical interactions demand a balance of structure and flexibility in response to unpredictable situations. Medical improv is a form of experiential learning that applies techniques from improvisational theater to the healthcare setting, deliberately targeting clinical skills of communication, teamwork, and cognitive abilities. Psychiatry Education through Play and Talk (PEP Talks) is a novel medical improv program designed specifically for psychiatry residents with the goal of improving communication, teamwork, and conflict resolution skills, as well as enhancing residents' well-being and capacity for self-reflection. Methods: PEP Talks was delivered virtually by an experienced medical improv facilitator in spring 2021 to a self-selected group of psychiatry residents at a Canadian university. Aligned with the context-input-process-product (CIPP) evaluation model, outcomes were assessed through mixed methods surveys, recorded debriefings, and a focus group. Results: PEP Talks enhanced residents' self-reported well-being, reflective capacity, and communication skills. Participants made qualitative connections between PEP Talks and their well-being, inter- and intra-personal skills, and clinical experiences in psychiatry. Processes in PEP Talks that led to these outcomes included the following: joy, building community, personal reflection and discovery, going off-script, immersion, and virtual engagement. Conclusions: Virtual medical improv offers an innovative solution to the pedagogical challenges of training psychiatrists to be proficient communicators, collaborators, and professionals capable of reflective practice. Additionally, this innovation demonstrates that medical improv can be delivered in a virtual format and may offer a unique solution to support resident well-being and foster connection amid remote learning during a global pandemic.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».