Internal Medicine Residents' Acceptance of Self-Directed Learning Plans at the Point of Care
Notice bibliographique
Résumé
OBJECTIVES: We implemented a curriculum using self-directed learning plans (SDLPs) based on clinical questions arising from the residents' practice, and we report on perceptions and attitudes from residents in internal medicine regarding the use of SDLPs conceived at point of care. METHODS: Internal medicine residents at a single community hospital in the Midwest were surveyed in 2006 regarding SDLPs. We report their perceived effectiveness in identifying knowledge gaps, the processes used to fill those gaps, and the resident outcomes using descriptive statistics. RESULTS: A total of 26 out of 37 residents (70%) responded. Most (24 of 26; 92%) perceived SDLPs helped them to identify and fill knowledge gaps and that their skills in framing questions (23 of 26; 88%), identifying resources (21 of 26; 81%), and critically appraising the evidence (20 of 26; 77%) improved through regular use. They also felt these plans led to a meaningful change in their practice or provided further direction for learning (17 of 26; 65%). Most (21 of 26; 81%) reported their intent to include point-of-care learning in their continuing education after residency. We found no significant differences in the responses of first-year compared with second- or third-year residents. CONCLUSIONS: Questions arising during patient care are strong motivators for physician self-directed learning. The residents' responses indicated that they accepted the SDLPs and intend to use them in practice. Embedding the discussion of the SDLPs in preclinic conferences has ensured sustainability during the past 5 years and has enabled us to demonstrate teaching of practice-based learning and improvement.
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 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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».