Virtual patient activity patterns for clinical learning
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.
Notice bibliographique
Résumé
BACKGROUND: Virtual patients are software tools that present learners with patient case situations and tasks. Some virtual patients take the learner through a guided case scenario, whereas others require learners to make diagnostic and therapeutic decisions. Much attention has been paid to the design of virtual patients and their use as standalone activities, but rather less attention has been paid to their use in broader educational activities. This article describes a series of activity patterns that make use of virtual patients. CONTEXT: The article describes five patterns of clinical teaching activities that make use of virtual patients: independent study activities; collaborative group activities; blended activities; bridging activities; and reference activities. These patterns were developed inductively from the authors' teaching practices over a number of years. These are not the only activity patterns and designs that can make use of virtual patients but they are ones that have been found to be particularly useful over time and in many different contexts. INNOVATION: Although the design of educational artifacts such as virtual patients is important, clinical teachers also need to consider the ways in which they are used. Different kinds of activity can employ different kinds of virtual patients of varying levels of complexity. An activity focus can allow clinical teachers to make more effective and broader use of virtual patients. IMPLICATIONS: Virtual patients can be used for more than independent study. Clinical teachers are encouraged to explore the multitude of uses that virtual patients can be put to, and the ways in which activities can be constructed around them. Different kinds of activity can employ different kinds of virtual patients, of varying levels of complexity.
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 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 | 0,004 | 0,007 |
| 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 | 0,001 |
| 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 découle