Implantation de la méthode pédagogique <i>One Minute Preceptor</i> dans une unité de soins intensifs pédiatriques : analyse des barrières et facilitateurs à son utilisation pour l’enseignement aux résidents
Notice bibliographique
Résumé
Introduction : Les défis inhérents à l’enseignement dans le milieu des soins intensifs sont en lien avec l’environnement stressant, le grand débit de patients et la charge de travail. L’utilisation de la méthode pédagogique One Minute preceptor (OMP) a été identifiée pour répondre à cette problématique. Objectif : Identifier les barrières et les facilitateurs à l’utilisation de l’OMP dans une unité de soins intensifs pédiatriques (SIP) avant son implantation. Méthode : Il s’agit d’une étude descriptive qualitative. Les médecins du service et les résidents en stage aux SIP ont pris part à des entrevues individuelles semi-structurées où les barrières et facilitateurs à l’implantation de l’outil ont été explorés puis analysés par thème. Résultats : Les principaux facilitateurs identifiés sont : sa compatibilité avec l’organisation et la culture du service et la réponse à un besoin. Les principales barrières à l’implantation sont : la crainte de mettre les résidents mal à l’aise si la méthode est utilisée devant un grand groupe de personnes dans un contexte de culture de performance, le manque de temps accordé à l’enseignement, le risque d’augmentation de la charge mentale des médecins et la méconnaissance des étapes de la méthode. Conclusion : Cette étude indique que l’OMP est un outil prometteur dans le cadre de l’enseignement en milieu clinique aux SIP. Une réflexion à un niveau plus systémique concernant la culture de performance pourrait contribuer à créer un environnement sécuritaire et collaboratif qui puisse favoriser les apprentissages selon un modèle expérientiel.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».