Effect of an Undergraduate Medical Curriculum on Students??? Self-Directed Learning
Notice bibliographique
Résumé
PURPOSE: Lifelong, self-directed learning (SDL) has been identified as an important ability for medical graduates. To evaluate the effect of the University of Toronto Faculty of Medicine's revised undergraduate medical curriculum on students' SDL, a cross-sectional study was conducted. METHOD: A questionnaire package was mailed to 280 randomly selected students, 70 from each of the four years of the curriculum. The package contained the two most widely recognized, extensively used, and validated instruments of SDL (Guglielmino's 58-item Self-Directed Learning Readiness Scale and Oddi's 24-item Continuous Learning Inventory) and Ryan's two-part Self-Assessment Questionnaire. An identification number and sociodemographic questions were included with the questionnaires. Data analysis was completed using chi-square for differences of proportions, analysis of variance for differences between means, and linear regression for trends. RESULTS: A total of 250 (89.3%) complete questionnaire packages were returned. No significant trend in SDL was evident by curriculum year, and similar SDL levels were observed for women and men. However, a significant positive trend in SDL was found with the highest level of premedical education achieved (undergraduate only, masters, or doctoral). Further, students' perceptions concerning the importance of SDL decreased according to year in the curriculum. CONCLUSION: This study found no evidence that students' self-reported SDL is positively influenced by the current undergraduate medical curriculum at the University of Toronto Faculty of Medicine.
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 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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».