Introducing Peer-Assisted Learning into a Veterinary Curriculum: A Trial with a Simulator
Notice bibliographique
Résumé
Peer-assisted learning (PAL) was implemented in the context of delivering training with a simulator, the Haptic Cow. This project was undertaken as a way of increasing student access to the simulator and to investigate the possibility of using PAL more extensively in the curriculum. Peer tutors attended a workshop to learn basic teaching skills and were then trained to use the simulator. The tutors taught their peers the basic skills for bovine rectal palpation with the simulator. The PAL project was evaluated using questionnaires and a focus group to gather feedback from both tutors and learners. Sixteen peer tutors trained 99 fellow students with the simulator. Both tutors and learners thought that there were certain advantages in students, rather than veterinarians, delivering the training. Student tutors were less intimidating and could relate more closely to the difficulties of their peers. However, lack of knowledge was identified as a potential issue. Students reported certain benefits from their role as tutors, including improvements in communication skills, knowledge of the subject area, and confidence in performing bovine rectal palpation. Additionally, the skills developed, including learning to teach, were considered to be useful for their future careers as veterinarians. Tutors and learners supported the continued use of PAL both with the simulator and in other areas of the course. The trial of PAL proved a successful way of delivering simulator-based training and the project has provided a basis for the further use of PAL in our curriculum.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».