MétaCan
Menu
Retour à la cohorte
Enregistrement W1570674674 · doi:10.1111/j.1365-2923.2012.04355.x

Emotion, cognitive load and learning outcomes during simulation training

2012· article· en· W1570674674 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMedical Education · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCognitive loadCognitionContext (archaeology)PsychologyMedicinePhysical therapyPsychiatry

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Simulation training has emerged as an effective way to complement clinical training of medical students. Yet outcomes from simulation training must be considered suboptimal when 25-30% of students fail to recognise a cardiac murmur on which they were trained 1 hour previously. There are several possible explanations for failure to improve following simulation training, which include the impact of heightened emotions on learning and cognitive overload caused by interactivity with high-fidelity simulators. This study was conducted to assess emotion during simulation training and to explore the relationships between emotion and cognitive load, and diagnostic performance. METHODS: We trained 84 Year 1 medical students on a scenario of chest pain caused by symptomatic aortic stenosis. After training, students were asked to rate their emotional state and cognitive load. We then provided training on a dyspnoea scenario before asking participants to diagnose the murmur in which they had been trained (aortic stenosis) and a novel murmur (mitral regurgitation). We used factor analysis to identify the principal components of emotion, and then studied the associations between these components of emotion and cognitive load and diagnostic performance. RESULTS: We identified two principal components of emotion, which we felt represented invigoration and tranquillity. Both of these were associated with cognitive load with adjusted regression coefficients of 0.63 (95% confidence interval [CI] 0.28-0.99; p = 0.001) and - 0.44 (95% CI - 0.77 to - 0.10; p = 0.009), respectively. We found a significant negative association between cognitive load and the odds of subsequently identifying the trained murmur (odds ratio 0.27, 95% CI 0.11-0.67; p = 0.004). CONCLUSIONS: We found that increased invigoration and reduced tranquillity during simulation training were associated with increased cognitive load, and that the likelihood of correctly identifying a trained murmur declined with increasing cognitive load. Further studies are needed to evaluate the impact on performance of strategies to alter emotion and cognitive load during simulation training.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,411
Écart entre enseignants0,370 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle