A Scoping Review of Programs of Active Arts Engagement in International Medical Curricula
Notice bibliographique
Résumé
Introduction: Arts and humanities are often positioned as ‘additive’ to medical education, rather than ‘intrinsic’. They are also used to teach skills and perspective-taking more than utilising their transformative potential to propel personal insight and social advocacy. There is, therefore, a need for more meaningful and strategic integration of the arts in medical curricula. Existing reviews combine active and receptive arts engagement, although these methods represent different magnitudes of engagement. Methods: This review aimed to synthesise the use of active arts engagement in undergraduate medical curricula internationally. We searched seven databases for articles published between 1991–2024. Results: We reviewed 134 studies conducted in 27 countries (total n = 10,700). Most programs were medium-intensity (e.g., standalone modules), used visual and performing arts, and aimed to foster skills mastery, perspective-taking, and personal insight. Studies on artmaking for social advocacy were lacking, as was data about program evaluation and learner assessment. Almost all survey instruments used were unvalidated. Discussion: Studies of active arts engagement are disproportionately low compared to receptive engagement, signaling missed opportunities to leverage the benefits of the arts. Most studies were conducted in high-income countries, illuminating that lower-income countries do not have a strong voice in the knowledge exchange. To avoid devaluing the arts in medical curricula, we suggest that medical educators: a) direct attention to creative opportunities to engage students with social advocacy; b) collaborate with arts/humanities professionals and international medical educators; c) consider more meaningful and strategic integrations of active arts engagement into medical curricula, approaching them with the same rigor as other medical education programs to maximise their pedagogical potential.
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 | 0,026 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,028 | 0,032 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».