Moral panic in medical education: analysing responses to a global regulatory policy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The World Federation for Medical Education (WFME) is a global non-statutory, not-for-profit, non-governmental organisation that announced a recognition programme for regulatory agencies in 2010, responding to an accreditation policy by the Educational Commission for Foreign Medical Graduates (ECFMG) in the US. While WFME's role has expanded globally, no studies have examined stakeholder perceptions of this recognition programme in Global South contexts. To examine social media discourse about WFME to understand how it is perceived by medical education stakeholders, with particular focus on responses to the recognition programme. A systematic search of Twitter posts referencing WFME over a 360-day period (August 2021-August 2022) was conducted using Twitter API. Posts were analysed thematically using Cohen's Moral Panic framework and contextualised with newspaper articles and webinar content. Moral Foundations Theory was applied to understand underlying psychological drivers of responses. 294 tweets were analysed, with 94% (276) relating to Pakistan’s medical regulatory agencies seeking WFME recognition. Analysis revealed that responses aligned with Cohen's five stages of moral panic: identification (20%), amplification (30%), anxiety (27%), gatekeeping (13%), and submergence (10%). The Pakistan Medical Commission was positioned as a “folk devil,” with discourse reflecting multiple moral foundations including care/harm, fairness/cheating, and authority/subversion. This case study demonstrates how global recognition policies can generate moral panic in the Global South, particularly in the context of unstable governance. The findings highlight unintended consequences of the WFME recognition programme in Pakistan and suggest the need for more nuanced understanding of how policies originating in the Global North impact medical education communities worldwide.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle