Observations of Veterinary Medicine Students’ Approaches to Study in Pre-clinical Years
Notice bibliographique
Résumé
RATIONALE FOR THIS STUDY: This study has two purposes. The first is to explore an instrument of evaluation of the approaches to study (deep, strategic, and surface) adopted by students in the pre-clinical years of their veterinary degree program. The second is to examine relationships between these approaches and a broad range of further factors deemed relevant to the veterinary medicine context. We envisage that a greater knowledge of how these students learn will aid curriculum reform in a way that will enrich the learning experience of veterinary students. METHODOLOGY: A questionnaire consisting of the 52-question Approaches to Study Inventory (ASI) and an additional 49 questions relating mainly to teaching, assessment, and study skills was distributed to 215 veterinary medicine (MVB) students in their pre-clinical years of study. Factor analysis was used to ensure that the ASI section of the questionnaire maintained previously reported structure. The internal reliability of the approaches measured was tested using Cronbach alpha analysis. The approaches were described as frequency distributions. Associations between the parameters (deep, strategic, and surface) and 49 additional context-specific factors were investigated using loglinear analysis. RESULTS: (1) Factor analysis revealed that the integrity and structure of the instrument in this context was generally comparable to previous studies. (2) The impact of a high workload was evident in the surface approach, with fear of failure becoming a strong motivating factor and syllabus boundness a widely used strategy. (3) Associations made between the approaches and 49 context-specific factors showed strong associations between both workload and lack of prior knowledge with the surface approach. (4) Grades were associated positively with both the deep and strategic approaches but negatively with the surface approach. (5) A range of learning and study skills were associated positively with the deep and strategic approaches and negatively with the surface approach. CONCLUSION: The ASI proved to be a reliable and insightful instrument, highlighting specific surface learning tendencies present in the group as well as a deep learning approach, the pattern of which deviates from previous studies on this subject. This study also confirms the value of some teaching practices as a means of supporting deep learning and perhaps challenging surface learning strategies. The prevalent perception of a high workload is notable, as is its positive association with surface learning.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».