Randomised, controlled study investigating the optimal instructor: student ratios for teaching suturing skills
Notice bibliographique
Résumé
INTRODUCTION: Recently, there has been a shift away from practising procedures on patients for the first time and towards bench model teaching of clinical skills to undergraduate medical students. However, guidelines for the most effective instructor : student ratio for technical skills training are unclear. This has important implications for staffing laboratory based teaching sessions. The purpose of this study was to assess the optimal ratio of teachers to learners during the teaching of a simulated wound closure. METHODS: A total of 108 undergraduate medical students participated in a 1-hour course on wound closure. They were randomised to 3 groups, each with a different instructor:student ratio (Group A: 6-12; Group B: 3-12; Group C: 1-12). Students were evaluated on a pre-test, an immediate post-test and a delayed retention test using an objective, computer-based technical skills assessment method. Collectively termed the "economy of movements", the total time taken to complete the task and the number of movements executed were the primary outcome measures. RESULTS: Improvements in the economy of movements were the same for Groups A and B and were better than in Group C (P < 0.005). DISCUSSION: The optimal instructor:student ratio was 1 instructor for 4 students. Higher ratios of instructors to students resulted in no improvements in learning, and lower ratios of instructors to students resulted in significantly less learning. These findings are in keeping with current motor learning theories.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».