MétaCan
Menu
← Retour à la cohorte
Enregistrement W7133497630 · doi:10.1093/acamed/wvaf090

From compliance to commitment

2025· article· en· W7133497630 sur OpenAlexaff
Adam Neufeld, Ryan Smith, Gregory Guldner

Notice bibliographique

RevueAcademic Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesHCA Healthcare
Mots-clésCompliance (psychology)AutonomyCoachingSituatedBureaucracyIdentity (music)Professional developmentProcess (computing)

Résumé

récupéré en direct d'OpenAlex

Competency-based medical education (CBME) aims to modernize postgraduate training through developmental, learner--centered assessment. However, many residents still experience the process as procedural and detached from meaningful growth. Using self-determination theory, the authors examine how current CBME practices often undermine residents' needs for autonomy, competence, and relatedness, producing superficial compliance rather than internalization and authentic commitment. Beyond structural critique, they highlight agentic engagement-residents' proactive efforts to "pull" autonomy support and shape feedback-as an underused but essential lever for revitalizing CBME. Field notes and entrustable professional activities can serve as coaching tools rather than bureaucratic artifacts but only if situated within autonomy-supportive dialogue, trusting relationships, and competence-oriented feedback. Drawing from self-determination theory research, the authors outline evidence-based, need-supportive strategies for embedding CBME practices into routine workflows. Collectively, the recommendations offer educators a pragmatic guide for aligning assessment culture with resident motivation, professional identity formation, and well-being. Without motivational alignment, CBME risks remaining an exercise in form over substance.

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)0,027
score de la tête « metaresearch » (Gemma)0,114
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,114
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,017
Communication savante0,0110,009
Science ouverte0,0020,015
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,443
Écart entre enseignants0,376 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic Medicine→Même sujetInnovations in Medical Education→Travaux en français237 207→