Is there a magic formula? Impact of team size and composition on students' interprofessional socialization and team performance
Notice bibliographique
Résumé
INTRODUCTION: Team size and composition may influence learning during interprofessional education events. This cohort study investigated the impact of these factors on changes in student interprofessional values, as well as standardized patients' (SPs) and students' perceptions of team performance. METHODS: Students from seven health professions participated in an interprofessional telehealth team visit (IPTTV) to develop a unified care plan. Pre-post changes in Interprofessional Socialization and Valuing Scale (ISVS) scores, and post-IPTTV assessments using the Modified McMaster Ottawa tool, Gap Kalamazoo tool, and the Blau heterogeneity index were analyzed. Wilcoxon signed-rank test compared within discipline changes. Kruskal-Wallis or Mann-Whitney U tests compared data between groups. RESULTS: Among 828 participating students, 447 had matched pre-post ISVS data and 661 completed evaluations of their team's performance. Team size ranged from 3 to 7 students involving 3-5 disciplines. Students demonstrated improvement in ISVS scores (+0.59, p < 0.0001). Team size (p = 0.93), the number of disciplines (p = 0.44), or the Blau heterogeneity index (p = 0.43) did not influence ISVS scores. Team size (p = 0.0003) and number of disciplines (p = 0.0003) were found to influence students' perceptions of their own team's performance. SPs' perceptions of team performance were not influenced by team size (p = 0.40) or the number of disciplines on the team (p = 0.65). CONCLUSION: Across the observed ranges of team sizes and compositions, students showed improvement in interprofessional values. Neither team size nor the number of disciplines on a team impacted the magnitude of ISVS change or SPs' perceptions of team performance, but these factors did influence students' perceptions of their own teams' performance.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».