MétaCan
Menu
Retour à la cohorte
Enregistrement W6920753137 · doi:10.6084/m9.figshare.14745737

Threshold concepts in group-based mentoring and implications for faculty development: A qualitative analysis

2021· article· en· W6920753137 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransformative learningProfessional developmentQualitative researchQualitative analysisNarrativeFaculty developmentNorwegianReflection (computer programming)Identification (biology)

Résumé

récupéré en direct d'OpenAlex

The literature on faculty development programs for mentors is scarce. This study examines mentors’ experiences and challenges, with the aim of identifying threshold concepts in mentoring. It also discusses the implications for the faculty development of mentors. Semi-structured interviews solicited personal narratives and reflections on mentors’ lived experiences. Data analysis was guided by the threshold concepts framework allowing for the identification of significant and transformative shifts in perspectives. We interviewed 22 mentors from two Norwegian and one Canadian medical school with group-based mentoring programs. The mentoring experience involved four significant threshold concepts: focusing on students’ needs; the importance of creating a trusting learning space; seeing oneself through the eyes of students; and aligning mentor and physician identities. Taking on a mentor role can provoke personal and professional dilemmas while also sparking growth. The trajectories of developing as a mentor and as a professional physician may be seen to mutually validate, mirror and reinforce each other. Faculty development programs designed specifically for mentors should aim to stimulate reflection on previous learning experiences and strive for a successful alignment of the distinct pedagogical and clinical content knowledge required to fulfill various professional roles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,035
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0090,014
Communication savante0,0060,006
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,177
Tête enseignante GPT0,462
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetMentoring and Academic DevelopmentTravaux en français237 207