Student satisfaction and perceptions of small group process in case-based interprofessional learning
Notice bibliographique
Résumé
BACKGROUND: The small group, case-based learning approach is believed to be a useful strategy for facilitating interprofessional learning and interaction factors are said to have a significant effect on student interest, learning and satisfaction with such approaches. AIM: The purpose of our study was twofold: assess students' satisfaction with a blended approach to interprofessional learning which combined computer-mediated and face-to-face, case-based learning; and examine the relationship between student satisfaction and perceptions of the collaborative learning process. METHOD: We introduced six interprofessional learning modules to approximately 520 undergraduate health professional students from medicine (61), nursing (351), pharmacy (20), and social work (89). All students were invited to complete an evaluation survey which assessed student satisfaction with the interprofessional learning experience and students' perceptions of the small group learning process. RESULTS: Students' satisfaction with interprofessional education was related to professional background. Students from across professions reported greater satisfaction with face-to-face, case-based learning when compared with other learning methods. A more positive perception of face-to-face, case-based learning was related to greater satisfaction with interprofessional learning. CONCLUSIONS: The findings support the case-based method in facilitating interprofessional learning and highlight the importance of effective facilitation of small-group collaborative learning to enhance student satisfaction with interprofessional learning experiences.
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 | 0,001 | 0,001 |
| 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) | 0,007 | 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 ».