Étude exploratoire des pratiques de supervision du raisonnement clinique des orthophonistes superviseur·es
Bibliographic record
Abstract
Contexte : Le raisonnement clinique (RC) est un processus dynamique et complexe qui est au cœur de la compétence des soignant·es. Les stages en milieu clinique apparaissent essentiels pour développer un RC de qualité. En orthophonie, quelques recherches montrent que le RC se développe comme dans les autres professions de santé, mais aucune n’a étudié la supervision du RC. Cette étude s’intéresse aux stratégies de supervision utilisées par les orthophonistes superviseur·es (OS) de stage, en vue de déterminer la présence de RC et de le caractériser. Méthodes : Dix entretiens d’autoconfrontation simple ont été réalisés avec des OS, à partir de la vidéo d’un échange pédagogique entre l’OS et sa stagiaire. Les entretiens ont été retranscrits puis codés et ont fait l’objet d’une analyse thématique. Résultats : Les OS développent des processus de RC similaires aux processus utilisés par les autres professionnel·les de santé. Intuitivement, elles utilisent des stratégies de supervision réputées efficaces pour soutenir l’alliance pédagogique et développer l’identité professionnelle et le RC de leurs stagiaires. Ces stratégies sont influencées par des facteurs liés à la stagiaire, à l’OS et aux similitudes entre compétences cliniques et pédagogiques. Conclusion : Les OS utilisent, de façon souvent inconsciente, les processus de RC dans leur pratique et souhaitent les transmettre à leurs stagiaires. Formaliser le RC en orthophonie et l’expliciter aux OS permettrait de renforcer leur sentiment de compétence pédagogique, d’améliorer la qualité de la supervision, de favoriser l’interprofessionnalité par l’utilisation de termes communs et in fine, d’améliorer la qualité des soins.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".