Collaborative, Case-based Learning: How Do Students Actually Learn from Each Other?
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
The value of collaborative, case-based, and problem-based learning has received increased attention in recent years. Several studies have documented veterinary staff and students' generally positive feedback on group learning activities, but one largely unaddressed question is how students actually learn from each other. This study examined how second-year veterinary students learned from each other during a collaborative, case-based learning project. Data were students' written reflections on their learning in the veterinary course and the specific learning experience, and a matched pre- and post-task questionnaire. Consistent with prior research describing veterinary students as individualistic learners, only a third of students spontaneously mentioned learning from each other as one of their most effective strategies. However, when prompted to describe a time when they felt that group members were really learning from each other, students reported highly valuable collaborative learning processes, which they explicitly linked to learning and understanding benefits. Questionnaire data were consistent, showing that students became more positive toward several aspects of the activity as well as toward group work in general. One unexpected finding was the lack of a relationship between students' self-evaluation of their learning and how well group members knew each other. These findings provide strong support for the educational value of collaborative, case-based learning. In light of other research evidence (using observation data) that the amount of time students actually engage in high-level collaborative processes may be rather limited, this article points to the need for veterinary teachers to better prepare students for group learning activities.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| 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