MétaCan
Menu
Retour à la cohorte
Enregistrement W2076054358 · doi:10.1007/s40037-013-0061-4

Medical students’ reactions to an experience-based learning model of clinical education

2013· article· en· W2076054358 sur OpenAlexaff
Alexandra Hay, Sarah Smithson, Karen Mann, Tim Dornan

Notice bibliographique

RevuePerspectives on Medical Education · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPsychologySubject (documents)Experiential learningQualitative researchDimension (graph theory)SalientMedical educationMathematics educationMedicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

An experience-based learning (ExBL) model proposes: Medical students learn in workplaces by 'supported participation'; affects are an important dimension of support; many learning outcomes are affective; supported participation influences students' professional identity development. The purpose of the study was to check how the model, which is the product of a series of earlier research studies, aligned with students' experiences, akin to the 'member checking' stage of a qualitative research project. In three group discussions, a researcher explained ExBL to 19 junior clinical students, who discussed how it corresponded with their experiences of clinical learning and were given a written précis of it to take away. One to 3 weeks later, they wrote 500-word reflective pieces relating to their subsequent experiences with ExBL. Four researchers conducted a qualitative analysis. Having found many instances of responses 'resonating' to the model, the authors systematically identified and coded respondents' 'resonances' to define how they aligned with their experiences. 120 resonances were identified. Seventy (58 %) were positive experiences and 50 (42 %) negative ones. Salient experiences were triggered by the learning environment in 115 instances (96 %) and by learners themselves in 5 instances (4 %), consistent with a strong effect of environment on learning processes. Affective support was apparent in 129 of 203 statements (64 %) of resonances and 118 learning outcomes (58 %) were also affective. ExBL aligns with medical students' experiences of clinical learning. Subject to further research, these findings suggest ExBL could be used to support the preparation of faculty and students for workplace 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,008
Communication savante0,0080,004
Science ouverte0,0020,008
Intégrité de la recherche0,0030,005
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 Opus0,046
Tête enseignante GPT0,484
Écart entre enseignants0,438 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations38
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207