Student Performances on Step 1 and Step 2 of the United States Medical Licensing Examination Following Implementation of a Problem-based Learning Curriculum
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
PURPOSE: To examine students' performances on Step 1 and Step 2 of the United States Medical Licensing Examination (USMLE) following the implementation of a problem-based learning curriculum. METHOD: Performances on Step 1 of the USMLE for four classes at the University of Missouri-Columbia School of Medicine that completed a new problem-based learning curriculum (1997, 1998, 1999, and 2000) were compared with those of the last two classes to learn in the traditional curriculum (1995 and 1996). Performances on Step 2 of the USMLE for the classes of 1997, 1998, and 1999 were also compared with those of the classes of 1995 and 1996. The authors analyzed matriculation data (GPAs and MCAT scores) for all six classes. They compared all data with those of U.S. and Canadian first-time USMLE takers. RESULTS: The mean scores were higher on USMLE Step 1 for classes in the problem-based learning curriculum than for classes in the traditional curriculum. The mean scores for Step 2 were above the national mean for classes in the revised curriculum and below the national mean for classes in the traditional curriculum. The admission profiles of these classes were essentially the same before and after the change in curriculum. CONCLUSIONS: Major PBL revisions of the curriculum did not compromise the performances of medical students on the licensing examinations; in fact, they may have contributed to higher scores.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle