An Internet‐based learning portfolio in resident education: the KOALA™ multicentre programme
Notice bibliographique
Résumé
CONTEXT AND OBJECTIVES: To describe the Computerized Obstetrics and Gynecology Automated Learning Anaalysis (KOALAtrade mark), a multicentre, Internet-based learning portfolio and to determine its effects on residents' perception of their self-directed learning abilities. METHODS: The KOALA programme allows residents to record their obstetrical, surgical, ultrasound, and ambulatory patient encounters and to document critical incidents of learning or elements of surprise that arose during these encounters. By prompting the student to reflect on these learning experiences, KOALA encourages residents to articulate questions which can be directly pursued through hypertext links to evidence-based literature. Four Canadian residency training programmes participated in the pilot project, from February to May 1997, using a dynamic relational database with a central server. All participants completed the Self-directed Learning Readiness Scale and a learning habits questionnaire. The impact of the KOALA programme on residents' perception of their self-directed learning abilities was measured by comparing KOALA-naive schools (schools 2, 3, and 4) with school 1 (exposed to the KOALA prototype for 1 year). Ordered variables were compared using the Mann-Whitney U test and continuous variables with the Student t test (statistical significance P < 0. 05). RESULTS: During the study period, 7049 patient and 1460 critical incidents of learning were recorded by 41 residents in the four participating universities. Residents at the exposed school (school 1) had a significantly higher perception of their self-directed learning (P < 0.05) and believed their future learning was less likely to be from continuing medical education (P < 0.028), textbooks (P < 0.04), and didactic lectures (P < 0.011) and would be derived from a learning portfolio with online resources. CONCLUSION: This Internet-based, multi-user, multicentre learning portfolio has a significant effect on residents' perception of their self-directed learning abilities.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».