Recalibrating Self‐Assessment: Navigating Imposter Syndrome Through Metacognitive Reflection
Notice bibliographique
Résumé
BACKGROUND: Accurate self-assessment is foundational for life-long learning, professional development and patient safety, yet many learners struggle to develop this fundamental skill. Even skilled self-assessors-or savvy calibrators-may sometimes struggle with self-assessment accuracy, particularly during professional transitions and challenges. This study explored the metacognitive processes employed by high-performing physicians to maintain or recalibrate accurate self-assessment across diverse professional contexts. METHODS: Former chief residents, who we defined as high-performing physicians by virtue of earning the chief role via a competitive application and vetting process, were purposefully sampled. Semistructured interviews were used to explore participants' experiences regarding self-assessment accuracy, imposter syndrome and managing feelings of self-doubt. The study employed Braun and Clarke's reflexive thematic analysis. FINDINGS: The findings reveal that all 10 participants effectively recalibrated their self-assessments when confronted with imposter syndrome by incorporating metacognitive reflection, feedback and emotional awareness. The metacognitive reflection work they carried out to confront imposter syndrome harnessed a growth mindset, but participants cautioned that this orientation needed to be adopted in moderation. CONCLUSION: Findings provided valuable insights and strategies for individuals grappling with imposter syndrome, a prevalent issue in medicine, particularly among high performers. This study highlights the potential for enhancing professional development and well-being by fostering self-assessment skills through metacognitive reflection to constructively adopt a growth mindset to overcome imposter syndrome. While feedback seeking could support calibration, our findings revealed that an excessive focus on growth mindset can shift from productive to counterproductive-creating a risky cycle of self-doubt and overcorrection.
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 | 0,012 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».