MétaCan
Menu
Retour à la cohorte
Enregistrement W2025246226 · doi:10.3109/0142159x.2014.993951

Twelve tips to support the development of clinical reasoning skills using virtual patient cases

2014· article· en· W2025246226 sur OpenAlexaff
Nancy Posel, James B. McGee, David Fleiszer

Notice bibliographique

RevueMedical Teacher · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationVirtual patientCore competencyComputer sciencePsychologyMedicineEngineering ethicsPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

Clinical reasoning is a critical core competency in medical education. Strategies to support the development of clinical reasoning skills have focused on methodologies used in traditional settings, including lectures, small groups, activities within Simulation Centers and the clinical arena. However, the evolving role and growing utilization of virtual patients (VPs) in undergraduate medical education; as well as an increased emphasis on blended learning, multi-modal models that include VPs in core curricula; suggest a growing requirement for strategies or guidelines that directly focus on VPs. The authors have developed 12 practical tips that can be used in VP cases to support the development of clinical reasoning. These are based on teaching strategies and principles of instructional design and pedagogy, already used to teach and assess clinical reasoning in other settings. Their application within VPs will support educators who author or use VP cases that promote the development of clinical reasoning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,245
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,245
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,418
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207