MétaCan
Menu
Retour à la cohorte
Enregistrement W7161821971 · doi:10.82308/48624

Mentoring practices in physical and occupational therapy: experiences of Canadian mentors and mentees

2012· dissertation· en· W7161821971 sur OpenAlexaboutno aff
Liliane Asseraf-Pasin

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Research methodologyQualitative analysisScapegoat

Résumé

récupéré en direct d'OpenAlex

Le but de cette étude était de parvenir à une compréhension des pratiques mentorales qui s'exercent en physiothérapie et en ergothérapie dans de grands établissements d'enseignement clinique universitaires canadiens, de comprendre la façon dont les professionnels débutants sont intégrés dans le milieu de travail, et d'examiner la signification que les mentors et mentorés accordent à leurs expériences mentorales. Dans cette étude, les pratiques mentorales de cinq physiothérapeutes et de cinq ergothérapeutes exerçant dans deux milieux universitaires canadiens distincts ont été examinées. Six mentors comptant plus de cinq années d'expérience et quatre mentorés avec un an ou moins d'expérience ont été recrutés en utilisant un échantillonnage de convenance. La réalisation de trois entrevues détaillées et l'élaboration d'une carte conceptuelle suivie de sessions de débreffage sous la forme d'un groupe de discussion ont constitué la principale source de collecte de données. Les journaux de bord des participants et des chercheurs, des artéfacts comme des mémos et des photographies ainsi que des entrevues avec deux administrateurs ont complété cette collecte de données. Le logiciel informatique QSR Nvivo a été utilisé pour enregistrer et organiser les données. La méthode de comparaison constante (Maykut & Morehouse, 1994) a été utilisée, dans un premier temps, pour analyser les données. Le processus de catégorisation des données a permis de mettre en évidence les similitudes et les différences. Par la suite, pour réaliser la triangulation des données, les transcriptions de quatre participants provenant des entrevues et des groupes de discussion concernant leurs cartes conceptuelles, ainsi que de leurs journaux de bord ont été analysés en profondeur à l'aide de l'analyse de contenu holistique de Lieblich (1998). L'utilisation d'une méthode mixte m'a permis dans un premier temps de relier les données et ensuite d'explorer les relations et les tendances qui s'en dégageaient (Maxwell & Miller, 2008). En conséquence, des résumés des narrations ont été produits pour représenter une vue d'ensemble des expériences uniques de quatre professionnels (deux mentors et deux mentorés) à l'aide de la méthode ghostwriting (Rhodes, 2000).Les attentes élevées à l'endroit des professionnels nouvellement diplômés (McCloughen & O'Brien, 2005), combinées à la pénurie de main d'œuvre en physiothérapie et en ergothérapie au Canada, contribuent à faire du processus de mentorat un élément essentiel à l'embauche et à la rétention des professionnels de la santé. Les conclusions de cette étude ont démontré que les mentors facilitent le rituel qui marque le passage des professionnels débutants à la pratique professionnelle en les aidant à choisir une profession, à apprendre les rouages du métier et, en fin de compte, à s'intégrer dans le milieu de travail. Cette étude a souligné l'importance que le mentorat joue dans la construction de l'identité professionnelle des ergothérapeutes et des physiothérapeutes ainsi que dans la facilitation de l'intégration des novices dans le milieu de travail. Enfin, les résultats de cette étude suggèrent que l'implantation de programmes de mentorat plus formels peut aider à consolider la construction de l'identité professionnelle des ergothérapeutes et des physiothérapeutes. Les institutions doivent investir dans des programmes formels de mentorat s'ils veulent améliorer la rétention de leurs professionnels de la santé, ces derniers étant en nombre inférieur à la demande.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,350

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0270,007
Communication savante0,0060,002
Science ouverte0,0030,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,405
Écart entre enseignants0,321 · 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.

Devis d'étudeQualitatif
DomaineIncitatifs
GenreEmpirique

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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMentoring and Academic DevelopmentTravaux en français237 207