The Importance of Cultivating a Preference for Complexity in Veterinarians for Effective Lifelong Learning
Notice bibliographique
Résumé
Much attention has been paid to the link between students' approaches to study and the quality of their learning. Less attention has been paid to the lifelong learner. We conceptualized a tripartite relationship between three measures of learning preference: conceptions of knowledge (construction and use vs. intake), need for cognition (high vs. low), and approach to study (deep vs. surface) and hypothesized that an individual's profile on these three measures-reconceptualized as a preference for complexity versus simplicity-would affect their attitude toward continuing professional development (CPD). A questionnaire was mailed to 2,000 randomly selected, home-practicing UK veterinarians to quantify their learning preferences, motivation to engage in CPD, and perception of barriers to participation and to assess the relationships between these constructs. Analysis of 775 responses (a 38.8% response rate) confirmed our tripartite model of learning and showed that a preference for complexity was negatively correlated with barriers and positively correlated with intrinsic, social, and extrinsic motivating factors, suggesting that all play a role in the continuing education of this group of professionals. A preference for simplicity was negatively correlated with social motivation and positively correlated with barriers. This study demonstrates that approach not only affects the quality of learning but crucially affects motivation to engage in CPD and perception of barriers to lifelong learning. This should emphasize to veterinary educators the importance of fostering a preference for complexity from an early age, both in terms of its immediate benefits (better understanding) and longer-term benefits (continued engagement with learning).
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 | 0,031 |
| 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) | 0,000 | 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 ».