Becoming Interprofessional: A Longitudinal Study of Professional and Interprofessional Identity Development Across Five Health Professions
Notice bibliographique
Résumé
Interprofessional collaborative practice (IPC) occurs when health professions work collaboratively to improve quality of care and enhance patient outcomes. Yet myriad challenges to enacting collaborative practice exist. Interprofessional education for collaborative practice (IPECP) is foundational for promoting collaboration among health professions, yet there is a gap in understanding how students perceive their readiness for IPC and how early socialization experiences may contribute to developing a dual-uni-professional and interprofessional-identity. This study seeks to understand how new practitioners perceive and experience IPC upon entry to practice, and identify individual and systemic factors that facilitate and impede dual identity development. An interpretive, narrative methodology was used to understand the IPC and early professional practice experiences of 24 individuals from a longitudinal study of five health professions. Facilitators to interprofessional identity development included exposure to/working with interprofessional teams, settings, role models, and directly experiencing benefits of collaborative practice during patient care. Impediments include settings and situations where professional stereotyping and hierarchies were reinforced by the dominant uni-professional culture of work environments. Interprofessional socialization and identity development are contingent on exposure to interprofessional role models and settings. Healthcare professionals' dual identity development begins in pre-licensure IPECP but is shaped by socialization experiences within practice. Healthcare institutions need to provide nourishing collaborative environments (time, settings, and contexts) that foster interprofessional collaboration and behaviors and empower dual identity formation. Post-licensure IPECP for healthcare professionals to continue to learn with, from, and about one another in practice is essential for collaborative interprofessional healthcare teams/systems.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».