MétaCan
Menu
Retour à la cohorte
Enregistrement W1594368670 · doi:10.1111/j.1365-2923.2011.04100.x

A reflective analysis of medical education research on self‐regulation in learning and practice

2011· article· en· W1594368670 sur OpenAlexaff
Ryan Brydges, Deborah L. Butler

Notice bibliographique

RevueMedical Education · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationSelf-regulated learningPsychologyReflective practicePerspective (graphical)MedicinePedagogyMathematics educationComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: In the health professions we expect practitioners and trainees to engage in self-regulation of their learning and practice. For example, doctors are responsible for diagnosing their own learning needs and pursuing professional development opportunities; medical residents are expected to identify what they do not know when caring for patients and to seek help from supervisors when they need it, and medical school curricula are increasingly called upon to support self-regulation as a central learning outcome. Given the importance of self-regulation in both health professions education and ongoing professional practice, our aim was to generate a snapshot of the state of the science in medical education research in this area. METHODS: To achieve this goal, we gathered literature focused on self-regulation or self-directed learning undertaken from multiple perspectives. Then, with support from a multi-component theoretical framework, we created an overarching map of the themes addressed thus far and emerging findings. We built from that integrative overview to consider contributions, connections and gaps in research on self-regulation to date. RESULTS AND CONCLUSIONS: Based on this reflective analysis, we conclude that the medical education community's understanding about self-regulation will continue to advance as we: (i) consider how learning is undertaken within the complex social contexts of clinical training and practice; (ii) think of self-regulation within an integrative perspective that allows us to combine disparate strands of research and to consider self-regulation across the training continuum in medicine, from learning to practice; (iii) attend to the grain size of analysis both thoughtfully and intentionally, and (iv) most essentially, extend our efforts to understand the need for and best practices in support of self-regulation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,110
score de la tête « metaresearch » (Gemma)0,157
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,583

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1100,157
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,010
Études des sciences et des technologies0,0100,029
Communication savante0,0200,017
Science ouverte0,0020,012
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,070
Tête enseignante GPT0,529
Écart entre enseignants0,459 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations236
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetInnovations in Medical EducationTravaux en français237 207