Les facteurs et enjeux relationnels lors de l’évaluation des résidents en médecine familiale
Bibliographic record
Abstract
Contexte : Plusieurs études en pédagogie des sciences de la santé ont documenté le malaise des cliniciens enseignants à accorder des évaluations faibles ou un échec lorsqu’ils constatent des difficultés significatives chez les résidents. Parmi les raisons évoquées figurent les facteurs relationnels superviseur-résident, soit la nature des rapports interpersonnels qui pourraient influencer les décisions du superviseur qui doit traduire le niveau de compétence du résident sur la fiche d’évaluation. Objectifs : Explorer les facteurs et enjeux relationnels auxquels sont exposés les médecins de famille enseignants lors de l’évaluation des résidents en médecine familiale et décrire comment ils les gèrent. Méthodes : En 2020, nous avons réalisé une étude qualitative exploratoire et descriptive auprès de 15 médecins de famille enseignants provenant de divers milieux de formation clinique du département de médecine de famille et de médecine d’urgence de l’Université de Montréal. Ils ont participé à une entrevue téléphonique individuelle semi-dirigée. Les entrevues ont été transcrites intégralement, puis anonymisées. L’analyse thématique inductive des verbatim d’entrevues a été réalisée de manière indépendante selon le principe de la triangulation des chercheurs. Résultats : Des facteurs relationnels influencent à divers degrés l’évaluation des résidents. En voulant préserver « à tout prix » l’alliance pédagogique telle qu’ils la conçoivent, les superviseurs se trouvent piégés par des enjeux relationnels au moment d’évaluer les résidents. Des dérives conceptuelles quant à la relation pédagogique semblent être à l’origine du malaise des enseignants à jouer le rôle d’évaluateur. Conclusion : La relation pédagogique que les superviseurs entretiennent avec les résidents représente un enjeu majeur lors de l’évaluation. Les enseignants devraient être sensibilisés aux enjeux relationnels qui sont inhérents à l’évaluation dans le contexte de continuité pédagogique de manière à assumer plus aisément leur rôle d’évaluateur.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.000 |
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; a candidate call from one teacher head, not a consensus.
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".