Feasibility of self-directed learning in clerkships
Notice bibliographique
Résumé
BACKGROUND: Self-directed learning has been well described in preclinical settings. However, studies report conflicting results when self-directed initiatives are implemented in clinical clerkships. AIM: To explore the feasibility of self-directed learning stimulated by clinical encounter-cards (CECs) in clinical clerkships. METHODS: Two focus groups of year-four and year-five students were interviewed about the usefulness of CECs to their learning in clerkships. The CECs were then introduced in two cohorts of 248 year-four and 250 year-five medical students and evaluated on a nine-point scale with regard to usefulness and feasibility. RESULTS: The pilot groups reported that the CECs had positive effects in terms of engaging in diagnostic reasoning, reflection on management plans, and professional identity formation. However, the two large cohorts of students rated the usefulness of the CECs on learning in clerkship low (year-four: mean 2.92, SD 1.54; year-five: mean 2.28, SD 1.06) along with preceptor support (year-four: mean 2.68, SD 1.62; year-five: mean 2.59, SD 1.78, p = 0.34). CONCLUSION: Self-directed CECs can have a positive effect on participation and clinical reasoning but are highly dependent on the context of use. Self-directed learning initiatives that aim to increase participation in communities of practice may not be feasible without major faculty development initiatives.
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 | 0,019 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,005 | 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 ».