Empreintes disciplinaires de la communication patient-thérapeute: évaluation par un dispositif pédagogique immersif
Bibliographic record
Abstract
Contexte:Ce travail explore l’impact des facteurs sociodémographiques (âge, genre), professionnels (expérience, profession) et des compétences relationnelles auto-évaluées (empathie, C-CG) sur la qualité de la communication de trois groupes de professionnels de santé — kinésithérapeutes, ostéopathes et médecins généralistes — dans des situations simulées d’« Immersive Learning ».Méthode :103 professionnels (38 kinésithérapeutes, 33 ostéopathes, 32 médecins généralistes) ont complété un questionnaire sociodémographique,un questionnaire d'empathie et le Calgary–Cambridge Observation Guide (C-CG). Ils ont ensuite participé à deux modules de simulation immersive portant sur la gestion de l’agressivité, et l’entretien motivationnel. Les erreurs de communication observées ont été comptabilisées et les influences des facteurs ont été évaluées par régression de Poisson.Résultats :Des différences significatives entre professions ont été relevées pour deux types d’erreurs spécifiques. Dans le module sur l’agressivité, les médecins ont commis plus d’erreurs liées au cadre professionnel que les kinésithérapeutes (p = 0,0457). Dans l’entretien motivationnel, l’erreur de persuasion était plus fréquente chez les médecins (p = 0,0237) et les ostéopathes (p = 0,0033). Aucun effet significatif n’a été observé pour les autres variables, y compris les scores d'empathie et C-CG.Conclusion :Les résultats suggèrent une influence limitée des caractéristiques individuelles et professionnelles sur la qualité de la communication en simulation immersive. Les différences observées entre professions soulignent l’importance des contextes d’exercice et des dynamiques situationnelles. Ces constats invitent à repenser les outils d’évaluation des compétences relationnelles, au-delà des auto-questionnaires, pour mieux accompagner la formation des professionnels de santé.
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 | 0.007 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".