MétaCan
Menu
Retour à la cohorte
Enregistrement W1956489665 · doi:10.1111/medu.12032

Mapping as a learning strategy in health professions education: a critical analysis

2012· review· en· W1956489665 sur OpenAlexaff
Béatrice Pudelko, Meredith Young, Philippe Vincent‐Lamarre, Bernard Charlin

Notice bibliographique

RevueMedical Education · 2012
Typereview
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensUniversité du Québec à MontréalMcGill UniversityUniversité de MontréalUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésConcept mapMeaningful learningEmpirical researchContext (archaeology)Process (computing)Computer scienceExperiential learningPsychologyKnowledge managementMathematics education

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Mapping is a means of representing knowledge in a visual network and is becoming more commonly used as a learning strategy in medical education. The assumption driving the development and use of concept mapping is that it supports and furthers meaningful learning. OBJECTIVES: The goal of this paper was to examine the effectiveness of concept mapping as a learning strategy in health professions education. METHODS: The authors conducted a critical analysis of recent literature on the use of concept mapping as a learning strategy in the area of health professions education. RESULTS: Among the 65 studies identified, 63% were classified as empirical work, the majority (76%) of which used pre-experimental designs. Only 24% of empirical studies assessed the impact of mapping on meaningful learning. Results of the analysis do not support the hypothesis that mapping per se furthers and supports meaningful learning, memorisation or factual recall. When documented improvements in learning were found, they often occurred when mapping was used in concert with other strategies, such as collaborative learning or instructor modelling, scaffolding and feedback. CONCLUSIONS: Current empirical research on mapping as a learning strategy presents methodological shortcomings that limit its internal and external validity. The results of our analysis indicate that mapping strategies that make use of feedback and scaffolding have beneficial effects on learning. Accordingly, we see a need to expand the process of reflection on the characteristics of representational guidance as it is provided by mapping techniques and tools based on field of knowledge, instructional objectives, and the characteristics of learners in health professions education.

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)0,091
score de la tête « metaresearch » (Gemma)0,148
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,479

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0910,148
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0160,008
Études des sciences et des technologies0,0070,016
Communication savante0,0110,011
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
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 Opus0,207
Tête enseignante GPT0,593
Écart entre enseignants0,386 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations68
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetScience Education and PedagogyTravaux en français237 207