MétaCan
Menu
Retour à la cohorte
Enregistrement W4406531598 · doi:10.5334/pme.1368

Could the R2C2 Feedback and Coaching Model Enhance Feedback Literacy Behaviors: A Qualitative Study Exploring Learner-Preceptor Feedback Conversations

2025· article· en· W4406531598 sur OpenAlexafffund
Subha Ramani, Heather Armson, Tessa Hanmore, Rachelle Lee-Krueger, Karen D. Könings, Amanda L. Roze des Ordons, Marygrace Zetkulic, Joan Sargeant, Jocelyn Lockyer

Notice bibliographique

RevuePerspectives on Medical Education · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensDalhousie UniversityFoothills Medical CentreQueen's UniversityUniversity of Calgary
Organismes subventionnairesQueen's UniversityDalhousie University
Mots-clésPreceptorCoachingQualitative researchMedical educationComputer sciencePsychologyPeer feedbackMathematics educationPedagogyMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Feedback literacy (FBL) is a critical skill for learners encompassing four behaviors: appreciating feedback, making judgements, managing affect, and taking action. Little guidance has been available for clinical preceptors to promote FBL. The R2C2 feedback and coaching model that guides teachers through building Relationships, exploring Reactions and Reflections, discussing Content and Coaching to co-develop an action plan for follow-up may support FBL. This study sought to identify whether R2C2 conversations operationalized FBL behaviors and the factors that appeared to influence FBL. Methods: Based on data from a multi-institutional, qualitative study involving 15 dyads of learners (residents and medical students) and their physician preceptors, a secondary analysis of R2C2-guided feedback conversations and debriefing interviews was undertaken. A framework analysis mapped the data to FBL behaviors and explored factors that impacted behaviors in the context of the research and theories underpinning R2C2 and FBL. Results: Most elements of FBL behaviors were demonstrated in R2C2 conversations. Appreciating feedback and making judgements were most consistently noted. There was less evidence of managing affect as learners indicated acceptance of feedback. There was variability in the co-creation of action plans. Some created action plans, others had incomplete or no plan for immediate action or follow-up. FBL appeared to be impacted by learner-preceptor relationships, active learner engagement in feedback discussions, and personal characteristics. Discussion: Our analysis demonstrated that effective use of the R2C2 model could enhance FBL behaviors provided attention was paid to optimizing all phases of R2C2, particularly co-creation of action plans for follow-up.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,007
Communication savante0,0030,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,431
Écart entre enseignants0,396 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207