Mapping as a learning strategy in health professions education: a critical analysis
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
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.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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