Is the Cognitive Complexity of Commitment-to-Change Statements Associated With Change in Clinical Practice? An Application of Bloom's Taxonomy
Notice bibliographique
Résumé
INTRODUCTION: This study categorizes 4 practice change options, including commitment-to-change (CTC) statements using Bloom's taxonomy to explore the relationship between a hierarchy of CTC statements and implementation of changes in practice. Our hypothesis was that deeper learning would be positively associated with implementation of planned practice changes. METHODS: Thirty-five family physicians were recruited from existing practice-based small learning groups. They were asked to use their usual small-group process while exploring an educational module on peripheral neuropathy. Part of this process included the completion of a practice reflection tool (PRT) that incorporates CTC statements containing a broader set of practice change options-considering change, confirmation of practice, and not convinced a change is needed ("enhanced" CTC). The statements were categorized using Bloom's taxonomy and then compared to reported practice implementation after 3 months. RESULTS: Nearly all participants made a CTC statement and successful practice implementation at 3 months. By using the "enhanced" CTC options, additional components that contribute to practice change were captured. Unanticipated changes accounted for one-third of all successful changes. Categorizing statements on the PRT using Bloom's taxonomy highlighted the progression from knowledge/comprehension to application/analysis to synthesis/evaluation. All PRT statements were classified in the upper 2 levels of the taxonomy, and these higher-level (deep learning) statements were related to higher levels of practice implementation. CONCLUSION: The "enhanced" CTC options captured changes that would not otherwise be identified and may be worthy of further exploration in other CME activities. Using Bloom's taxonomy to code the PRT statements proved useful in highlighting the progression through increasing levels of cognitive complexity-reflecting deep learning.
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 | 0,021 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».