A review of teaching skills development programmes for medical students
Notice bibliographique
Résumé
CONTEXT: The CanMEDS role of Scholar requires that medical trainees develop their skills as medical educators. The development of teaching skills in undergraduate medical students is therefore desirable, especially in view of the teaching obligations in residency programmes. OBJECTIVES: The goal of this review was to identify the characteristics and outcomes of programmes designed to develop the teaching skills of undergraduate medical students. METHODS: The authors searched medical literature databases using combinations of the search terms 'medical student', 'teacher', 'teaching skills', 'peer teaching', 'near-peer teaching' and 'student as teacher'. Twenty papers fit the predetermined search criteria, which included original characterisations of specific programmes involving undergraduate medical students. RESULTS: Three types of initiative were identified in the reviewed articles: peer teaching programmes; teaching workshops, and community outreach programmes. The majority of study participants were students in Years 3 and 4. Subjective self-evaluation by participants using Likert scale-based surveys was by far the most commonly used method of measuring project outcomes. Objective, quantitative teaching-related outcomes were rarely noted in the reports reviewed. Self-perceived improvements in teaching skills were noted by participants in most of the reports. Other perceived benefits included increases in organisational skills, knowledge and confidence in giving feedback. CONCLUSIONS: Although several types of programmes have been shown to subjectively improve the teaching skills of undergraduate medical students, characterisation of the objective outcomes of these initiatives is lacking and requires further study.
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 | 0,012 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».