Empreintes disciplinaires de la communication patient-thérapeute: évaluation par un dispositif pédagogique immersif
Notice bibliographique
Résumé
Contexte:Ce travail explore l’impact des facteurs sociodémographiques (âge, genre), professionnels (expérience, profession) et des compétences relationnelles auto-évaluées (empathie, C-CG) sur la qualité de la communication de trois groupes de professionnels de santé — kinésithérapeutes, ostéopathes et médecins généralistes — dans des situations simulées d’« Immersive Learning ».Méthode :103 professionnels (38 kinésithérapeutes, 33 ostéopathes, 32 médecins généralistes) ont complété un questionnaire sociodémographique,un questionnaire d'empathie et le Calgary–Cambridge Observation Guide (C-CG). Ils ont ensuite participé à deux modules de simulation immersive portant sur la gestion de l’agressivité, et l’entretien motivationnel. Les erreurs de communication observées ont été comptabilisées et les influences des facteurs ont été évaluées par régression de Poisson.Résultats :Des différences significatives entre professions ont été relevées pour deux types d’erreurs spécifiques. Dans le module sur l’agressivité, les médecins ont commis plus d’erreurs liées au cadre professionnel que les kinésithérapeutes (p = 0,0457). Dans l’entretien motivationnel, l’erreur de persuasion était plus fréquente chez les médecins (p = 0,0237) et les ostéopathes (p = 0,0033). Aucun effet significatif n’a été observé pour les autres variables, y compris les scores d'empathie et C-CG.Conclusion :Les résultats suggèrent une influence limitée des caractéristiques individuelles et professionnelles sur la qualité de la communication en simulation immersive. Les différences observées entre professions soulignent l’importance des contextes d’exercice et des dynamiques situationnelles. Ces constats invitent à repenser les outils d’évaluation des compétences relationnelles, au-delà des auto-questionnaires, pour mieux accompagner la formation des professionnels de santé.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».