Interprofessional education’s readiness among Brazilian medical students / Interprofessionelle Bildung: Bereitschaft unter brasilianischen Medizinstudierenden
Notice bibliographique
Résumé
Abstract The study examines the readiness for shared learning based on interprofessional education (IPE) among Brazilian medical students participating in preceptorship programs. A total of 642 students from all six medical courses across a state in Brazil completed the Readiness for Interprofessional Learning Scale (RIPLS) and a sociodemographic questionnaire. The results, analyzed across three RIPLS factors—teamwork and collaboration, professional identity, and patient-centered care—reveal a positive inclination toward collaborative learning, though each factor was influenced by different variables. Teamwork and collaboration (factor 1) were significantly associated with gender, medical program semester, prior teamwork experience, and current clinical practice. Professional identity (factor 2) was shaped by gender, prior bachelor’s degree, type of university (public or private), and medical program semester. Patient-centered care (factor 3) showed significant relationships with gender, prior bachelor’s degree, type of university, medical program semester, and current clinical practice. These findings highlight the importance of acknowledging various demographic and educational variables when assessing student readiness for shared learning. Such insights can help medical programs refine their curricula and develop educational strategies to promote IPE, fostering collaborative healthcare practice in alignment with both national and international guidelines.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».