How do medical students define a Health Promoting Learning Environments?
Notice bibliographique
Résumé
Background: Medical students in Canada report significantly higher rates of suicidal ideation, psychological stress, as well as mood and anxiety disorders, compared to age matched general population. We are still early in the process of having a comprehensive approach to learner wellbeing that centers around health promoting learning environments (HPLE) - focusing on more systemic actions as guided by the international Okanagan Charter. To move forward, we need to further understand what learners, faculty and staff view as critical components in an HPLE and explore how we can best advance efforts to create and embed HPLEs in medical education. The objectives of this study were to elucidate how medical students define an HPLE and what medical students perceive as the main barriers and facilitating factors to developing and fostering HPLEs. Methods: We undertook an exploratory qualitative study using virtual semi-structured interviews of how medical students define an HPLE and the facilitators and barriers of this. We used thematic analysis to review all transcripts with ongoing iterative analysis. Final themes were agreed on consensus. Results: We interviewed 14 medical students from all years at the University of Alberta. We identified four overarching themes which serve as important components of an HPLE including that HPLEs have foundational characteristics of respect, transparency, and open communication. Developing HPLEs require multi-pronged approaches that starts with ensuring basic needs are met and empowering learners to make health promoting choices. Learners identified that a culture of wellbeing is driven by wellbeing centered leadership. A safe space to take an active role in influencing their environment help learners thrive. Conclusions: Our study focused on elucidating medical student perspectives on factors that contribute to and foster a health promoting learning environment. Our findings can inform on systemic efforts to embed wellbeing into medical education in Canada.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».