Approach to learning of medical students in a Caribbean medical school
Notice bibliographique
Résumé
Introduction: Students' perception of the learning environment, the curriculum and assessment may influence their approach to learning. Student approach to learning has not been previously studied at Xavier University School of Medicine, Aruba. Hence the present study was carried out. Objective: Obtain information about respondents' conceptions of learning, approaches to studying and preferences for different types of courses and teaching Method: The Approaches and study skills inventory (ASSIST) was administered to first to fourth semester undergraduate medical (MD) students during the last week of September 2013. Different personal characteristics were noted. The median scores for conceptions of learning, approaches to studying and types of teaching among different subgroups of respondents were compared using appropriate non-parametric tests (p<0.05). Result: Seventy-one of the 86 students (82.5%) participated. Respondents predominantly used deep and strategic approaches to studying and there was a slight preference for a transmitting information type of teaching. Students aged between 20 to 25 years used more deep approach to learning and preferred a supporting understanding teaching approach. First and third semester students used more surface apathetic learning approaches and showed greater syllabus boundedness. Canadian students showed greater deep approach to learning. Conclusion: Deep and strategic learning approaches were mainly used. The influence of the integrated curriculum on learning approaches can be investigated through longitudinal studies. Studies among clinical students and in other medical schools are required.
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 | 0,013 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».