Hockey lines for simulation-based learning
Notice bibliographique
Résumé
BACKGROUND: Simulation-based health professional education is often limited in accommodating large numbers of students. Most organisations do not have enough simulation suites or staff to support growing demands. CONTEXT: We needed to find ways to make simulation sessions more accommodating for larger groups of learners, so that more than a few individuals could be active in a simulation scenario at any one time. Moreover, we needed to make the experience meaningful for all participating learners. INNOVATION: We used the metaphor of (ice) hockey lines and substitution 'on the fly' to effectively double the numbers of learners that can be actively engaged at once. Team players must communicate clearly, and observe keenly, so that currently playing members understand what is happening from moment to moment and incoming substitutes can take over their roles seamlessly. Most organisations do not have enough simulation suites or staff to support growing demands IMPLICATIONS: We found that this hockey lines approach to simulation-based team scenarios will raise learners' levels of engagement, reinforce good crew resource management (CRM) practices, enhance closed-loop communication, and help learners to understand their cognitive biases and limitations when working in high-pressure situations. During our continuing refinement of the hockey-lines approach, we developed a number of variations on the basic activity model, with various benefits and applications. Both students and teachers have been enthusiastically positive about this approach when it was introduced at our various courses and participating institutions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».