The benefits of flexibility: the pedagogical value of instructions to adopt multifaceted diagnostic reasoning strategies
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
OBJECTIVES: Building on the advice of previous research to avoid parsing diagnostic strategies too finely, recent studies have shown that teaching novices to utilise analytic and non-analytic reasoning strategies yields higher diagnostic accuracy than teaching either in isolation. This study assesses the extent to which students spontaneously adopt a combined approach and compares its benefits with those experienced with a contrastive learning strategy known to enhance analogical transfer. METHODS: A sample of 48 naïve students were trained to identify features on electrocardiograms (ECGs) and assign diagnoses. Half the participants learned in a standard manner, encountering diagnoses (and their associated features) in sequence. The remaining participants were explicitly instructed to draw comparisons between the diagnostic category being learned and another confusable diagnostic category (contrastive learning). Half the participants in both groups were further instructed to carefully identify all features while trusting guidance provided by feelings of familiarity (a combined reasoning strategy). The remaining participants were given no instructions on how to approach the diagnostic task. RESULTS: Greater diagnostic accuracy was achieved following both contrastive learning and instructions to use a combined reasoning strategy relative to the control conditions. These variables did not interact with each other, nor did they interact with novelty of the test case. The effects were observed immediately after learning and following a 1-week delay. DISCUSSION: The results emphasise the importance of explicitly empowering students to utilise multiple diagnostic strategies, including non-analytic approaches. In addition, this study reveals the benefit that can be gained from contrastive learning in a medical domain.
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 | 0,002 | 0,327 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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