Affordances of knowledge translation in medical education: a qualitative exploration of empirical knowledge use among medical educators.
Notice bibliographique
Résumé
PURPOSE: Little is known about knowledge translation processes within medical education. Specifically, there is scant research on how and whether faculty incorporate empirical medical education knowledge into their educational practices. The authors use the conceptual framework of affordances to examine factors within the medical education practice environment that influence faculty utilization of empirical knowledge. METHOD: In 2012, the authors, using a purposive sampling strategy, recruited medical education leaders in undergraduate medical education from a Canadian university. Recruits all had direct teaching and curricular development roles in either preclinical or clinical courses across the four years of the undergraduate curriculum. Data were collected through individual semistructured interviews on participants' use of empirical evidence, as well as the factors that influence integration of empirical knowledge into practice. Data were analyzed using thematic analysis. RESULTS: Fifteen medical educators participated. The authors identified both constraining and facilitating affordances of empirical medical education knowledge use. Constraining affordances included poor quality and availability of evidence, inadequate knowledge delivery approaches, work and role overload, faculty and student change resistance, and resource limitations. Facilitating affordances included faculty development, peer recommendations, and local involvement in medical education knowledge creation. CONCLUSIONS: Affordances of the medical education practice environment influence empirical knowledge use. Developing strategies for effective knowledge translation thus requires careful assessment of contextual factors that can enable, constrain, or inhibit evidence use. Empirical knowledge use is most likely to occur among medical educators who are afforded rich, facilitative opportunities for participation in creating, seeking, and implementing knowledge.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».