Fostering Integrated Learning and Clinical Professionalism Using Contextualized Simulation in a Small-Group Role-Play
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
Teaching and learning in a clinical setting is important in veterinary and medical training but presents many challenges, including providing enough hands-on experience while not putting patients (animal or human) at risk. Some of the issues have been addressed with the introduction of clinical skills laboratories and communication skills training using role play. However, in both instances skills are learned in isolation, whereas the real task requires the integration of many skills including technical competencies, effective communication, decision making, and professionalism. In our study, we trialed "contextualized simulation" by combining role play with a simulator, the haptic cow, in a small-group tutorial, the Simulated Fertility Visit. Students took turns as the veterinarian; they had to establish the cow's history from the farmer (a role player), palpate the simulation, make a diagnosis, and decide on treatment, if appropriate. We included scenarios varying from common cases to challenging situations. The tutorial was introduced in the farm-animal clinical rotation, and feedback was gathered from students by means of a questionnaire. The tutorial was attended by 178 students (98% of that year's students), and 151 questionnaires were returned (85% response rate). Students reported that the tutorial was a positive learning experience and recognized that it presented an opportunity to integrate the skills needed for clinical work. Student feedback suggests that contextualized simulation provides a valuable complement to clinical cases, and we recommend extending this teaching method to other clinical scenarios and species, particularly because it provides a safe environment in which to experience, and learn from, mistakes.
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 | 0,009 |
| 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 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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