Hautement différente : la génération Y, un défi de taille pour l’enseignement médical
Bibliographic record
Abstract
Introduction : La génération Y représente les jeunes nés entre 1980 et 1992, c’est-à-dire les actuels étudiants et résidents en médecine. Objectif : Cette synthèse de la littérature vise à identifier différentes particularités de la génération Y, à documenter les défis pédagogiques que ces particularités constituent pour les professeurs et à élaborer des pistes de stratégies pédagogiques. Méthodes : La recherche d’articles de langue française et anglaise a été effectuée à partir des banques de données PubMed, CINAHL et ERIC, et manuellement dans les bibliographies des revues d’éducation médicale jusqu’en novembre 2010. Pour l’extraction des données, une démarche en trois étapes a été utilisée : 1) identification des problèmes-clés (particularités, défis, stratégies); 2) sélection des informations pertinentes dans les articles et 3) synthèse des données. Résultats : La stratégie de recherche a permis d’identifier 122 articles ; 68 ont été retenus pour évaluation. Les membres de la génération Y ont les caractéristiques suivantes : enfant-roi, surinvesti, issu de milieux structurés et confronté avec la peur ; adulte émergent, préoccupé par l’équilibre travail/vie personnelle, habité par les nouvelles technologies et l’activité multitâche ; étudiant avec des capacités d’apprentissage particulières, ennuyé par les cours magistraux, tracassé financièrement, confronté à une nouvelle image du médecin et recruté de façon différente. Conclusion : Un certain nombre de stratégies serait à préconiser dans l’enseignement aux apprenants issus de la génération Y, parmi lesquelles : porter attention à la remise d’une évaluation difficile, favoriser la position d’apprentissage, expliciter les attentes, donner de la rétroaction régulière, faire participer les apprenants aux décisions, favoriser le travail collaboratif, modeler la réflexion critique et stimuler l’apprentissage au long de la vie, l’altruisme et les relations interpersonnelles, multiplier les options d’apprentissage et innover technologiquement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".