Étude exploratoire des pratiques de supervision du raisonnement clinique des orthophonistes superviseur·es
Notice bibliographique
Résumé
Contexte : Le raisonnement clinique (RC) est un processus dynamique et complexe qui est au cœur de la compétence des soignant·es. Les stages en milieu clinique apparaissent essentiels pour développer un RC de qualité. En orthophonie, quelques recherches montrent que le RC se développe comme dans les autres professions de santé, mais aucune n’a étudié la supervision du RC. Cette étude s’intéresse aux stratégies de supervision utilisées par les orthophonistes superviseur·es (OS) de stage, en vue de déterminer la présence de RC et de le caractériser. Méthodes : Dix entretiens d’autoconfrontation simple ont été réalisés avec des OS, à partir de la vidéo d’un échange pédagogique entre l’OS et sa stagiaire. Les entretiens ont été retranscrits puis codés et ont fait l’objet d’une analyse thématique. Résultats : Les OS développent des processus de RC similaires aux processus utilisés par les autres professionnel·les de santé. Intuitivement, elles utilisent des stratégies de supervision réputées efficaces pour soutenir l’alliance pédagogique et développer l’identité professionnelle et le RC de leurs stagiaires. Ces stratégies sont influencées par des facteurs liés à la stagiaire, à l’OS et aux similitudes entre compétences cliniques et pédagogiques. Conclusion : Les OS utilisent, de façon souvent inconsciente, les processus de RC dans leur pratique et souhaitent les transmettre à leurs stagiaires. Formaliser le RC en orthophonie et l’expliciter aux OS permettrait de renforcer leur sentiment de compétence pédagogique, d’améliorer la qualité de la supervision, de favoriser l’interprofessionnalité par l’utilisation de termes communs et in fine , d’améliorer la qualité des soins.
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 | 0,003 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».