The patient as text: a challenge for problem‐based learning
Notice bibliographique
Résumé
OBJECTIVES: To explore the values and assumptions underlying problem-based learning (PBL) cases through narrative analysis, in order to consider the ways by which paper cases may affect student attitudes and values. METHODS: Randomly chosen PBL cases from the first year curriculum at Dalhousie University medical school (n = 10) were coded by 3 independent reviewers attending to narrative components. RESULTS: The cases generally used spare, objective language, used the passive voice, eliminated agency, and employed linguistic markers to encode scepticism about patient reports. There was almost no sense of the presence of the patient as person in these cases in terms of their words, feelings, or their social and cultural context. The almost complete exclusion of the preferences and priorities of the patient was striking. CONCLUSION: The sample is small, the results only suggestive. Yet it appears that the cases used in PBL may unnecessarily, even unintentionally, encourage student detachment from the messiness of real patients' lives and emotions. Positioning a particular way of seeing - the doctor's gaze - as normative renders less visible the choices that are being made whenever an account is constructed. Including multiple voices in a case would complicate that tidy reduction of choices. Ongoing attempts to enrich the case format should be encouraged. At the same time, students may benefit from being taught the skills for critical analysis of the case itself.
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 | 0,110 | 0,220 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,017 |
| Communication savante | 0,019 | 0,017 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».