Building a Pharmacy Preceptor Development Framework for Nurturing Learner Professional Identity Formation
Notice bibliographique
Résumé
OBJECTIVE: To explore experiential education (EE) and preceptor development experts' perceptions for priorities for preceptor development aimed at supporting learner professional identity formation (PIF) and to create a framework for preceptor development to inform future preceptor training programs. METHODS: This multicomponent study involved: 1) conducting virtual focus groups with EE and preceptor development experts to explore perceived preceptor development needs, including content and learning outcomes; 2) utilizing a modified nominal group technique to identify priorities for preceptor development; and 3) creating a preceptor development framework for supporting learner PIF. Transcripts were analyzed to identify specific content areas of focus and practical program insights. Main findings from the focus groups and nominal group technique priorities, informed by PIF and preceptor development literature, were used to create the preceptor development framework. RESULTS: Twenty preceptor development experts participated in 4 focus groups. Focus group data yielded 5 overarching program insights and several priority content areas to inform the preceptor development framework. The framework created contains content elements for preceptor learning (ie, reflecting on the preceptors' own PIF journey, using good precepting practices with a PIF lens) and associated preceptor learning outcomes. To support PIF-related learning and preceptor engagement, the framework describes program design elements related to the structure and delivery of programming (ie, reflection, peer discussion, communities of practice, workplace learning). CONCLUSION: This study expands on existing frameworks for preceptor development that focus on competency to guide EE and ensure preceptors are equipped to support and nurture learners in their PIF.
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 | 0,034 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».