Divergence in student and educator conceptual structures during auscultation training
Notice bibliographique
Résumé
CONTEXT: Simulation-based medical education allows trainees to engage in self-regulated learning (SRL), yet research aimed at elucidating the mechanisms of SRL in this context is relatively absent. We compared 'unguided' SRL with 'directed' SRL (DSRL), wherein learners followed an expert-designed booklet. METHODS: Year 1 medical students (n = 37) were randomly assigned to practise identifying seven cardiac murmurs using a simulator and video only (SRL group) or a simulator and video plus the booklet (DSRL group). All participants completed a 22-item test 3 weeks later. To compare interventions, we analysed students' diagnostic accuracy. As a novel source of evidence, we documented how participants autonomously sequenced the seven murmurs during initial and delayed practice sessions. In addition, we surveyed clinical educators (n = 17) to find out how they would sequence their teaching of these murmurs. RESULTS: The DSRL group used 50% more training time than the SRL group (p < 0.001). The groups' diagnostic accuracy, however, did not differ significantly on the post-test, retention test or transfer test items (p > 0.12). Despite practising with the expert-defined 'timing-based' approach to murmur diagnosis (i.e. systolic versus diastolic), 84% of DSRL participants implemented a location-based approach (i.e. practising aortic murmurs separately from mitral murmurs) during a second, unguided practice session. Notably, most SRL participants used that same approach spontaneously. By contrast, clinical educators were split in their use of the timing-based (n = 10) and the location-based (n = 6) approaches. Chi-squared analyses suggested educators' conceptions for organising murmurs differed significantly from students' conceptions. CONCLUSIONS: Contrary to our predictions, directing students' SRL produced no additional benefit and increased their practice time. Our findings suggest one potential source of these results was a divergence between student and educator conceptions for structuring the practice of cardiac auscultation skills. This phenomenon has not been well articulated in the medical education literature, and may have important implications in many (especially technology-mediated) educational contexts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».