La simulation pleine échelle et le débriefing des compétences non-techniques en anesthésie-réanimation : contribution à la construction d'un référentiel de formation de formateurs
Bibliographic record
Abstract
La formation par simulation dans le champ de la santé a pris son essor il y a une dizaine d’années en France, notamment en anesthésie-réanimation. Dans cette thèse, nous portons intérêt aux pratiques pédagogiques qui étayent ce dispositif et plus particulièrement au débriefing qui constitue l’axe central pour la conceptualisation de l’action, au regard de la didactique professionnelle (Pastré, 1999). Dans sa forme pleine échelle, la simulation vise à travailler des compétences techniques associées à des compétences dites non techniques (communication, leadership, émotions, …). Pour approcher les pratiques des formateurs dans le débriefing portant sur la construction des compétences non techniques, nous avons d’abord réalisé une enquête exploratoire auprès de formés puis nous avons mis en place un programme de recherche en trois phases : phase 1 - observations filmées à visée heuristique, phase 2 - observations filmées et entretiens d’auto confrontation en France et au Canada, phase 3 - focus groups avec des formateurs. Nous montrons, par l’analyse des données recueillies, que le passage de l’expertise professionnelle en anesthésie-réanimation à la posture de formateur dans le cadre d’un débriefing présente certaines difficultés. Nos résultats permettent alors d’appuyer des propositions pour accompagner un changement dans les pratiques des formateurs grâce à l’élaboration de la structure conceptuelle du débriefing, à la construction d’un référentiel de formation de formateurs et à un type d’artéfact cognitif pouvant soutenir le débriefing.
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 | 0.018 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".