Team-Based Learning Increases Active Engagement and Enhances Development of Teamwork and Communication Skills in a First-Year Course for Veterinary and Animal Science Undergraduates
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
Team-based learning (TBL) was implemented into a first-year course (Principles in Animal Behaviour, Welfare and Ethics) for BSc Veterinary Bioscience (VB) and Animal Science (AS) students. TBL is now used widely in teaching medical students, but has had more limited uptake in veterinary education. This study reports its use over 2 years with cohorts of 126 and 138 students in 2011 and 2012, respectively. Average individual marks for multiple-choice question (MCQ) tests in the Readiness Assurance component of TBL were higher for the teams than for individuals for each session, explicitly demonstrating the advantages of teamwork. Students reported that they felt actively involved and that TBL helped them both with their learning and in developing other important skills, such as teamwork and communication. Qualitative analysis of written feedback from the students revealed positive themes of discussion, application, revelation, socializing, engagement, clarification, and retention/revision. In 2011 negative comments included the need to shorten the TBL sessions, but in 2012 tightening of the timelines meant that this was no longer a major concern. Requests to provide better introductory and background materials and ambiguity in questions in the TBL activities were what students least liked about the TBL. However, most comments were positive rather than negative in nature, and many students preferred the TBL to lectures. With requirements for curricula to teach professional skills, such as communication and teamwork, and the positive results from TBL's implementation, it is hoped that this study will encourage others to trial the use of TBL in veterinary education.
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 | 0,003 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle