It takes (at least) two to tango: comparing the affordances of two learner mistreatment reporting mechanisms
Notice bibliographique
Résumé
Background: The affordances, or characteristics, of learner mistreatment reporting mechanisms can shape the information elicited from these mechanisms, which has an impact on how institutions understand the scope and nature of learner mistreatment. This study compares whether and how the affordances of two mistreatment reporting mechanisms elicit different information about learner mistreatment at a single institution. Methods: We conducted an interpretive content analysis of reports submitted using two mechanisms, one that elicits reports through end-of-rotation evaluations and one through a voluntary web-based system, between July 2015 and December 2021. We extracted the metadata from reports and applied a coding framework informed by the Healthcare Complaints Analysis Tool (HCAT) to the narrative descriptions in reports. Data analysis included descriptive statistics and the chi-square test on SPSS v.27. Results: We collected 90 elicited reports and 240 voluntary reports of mistreatment. Similar types of mistreatment were reported through each mechanism, but disrespectful behaviour and bias and discrimination were reported significantly more in voluntary reports. Elicited reports most frequently included incidents of learner mistreatment in clinical settings, whereas voluntary reports included incidents from a wide variety of settings and people or were issues other than mistreatment. Discussion: Utilizing multiple learner mistreatment reporting mechanisms with different affordances can mitigate the limitations of a single mechanism, help identify a more nuanced understanding of learner mistreatment, and increase reporters' choices for how and when to report mistreatment. Increased information allows an institution to address specific incidents and develop targeted, preventive educational activities and faculty development.
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 | 0,091 | 0,309 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».