Learning climate in dental hygiene education: a longitudinal case study of a Japanese and Canadian programme
Notice bibliographique
Résumé
Educational climates have been found to have important influences on learning, but little feedback has been obtained from dental hygiene students. The purpose of this study was to gain an understanding of the learning climate in Japanese and Canadian dental hygiene programmes for the purpose of making positive changes. A survey instrument with 10 dimensions relating to learning climate was adapted from business and dental models, and designated as the Dental Hygiene Student Learning Climate Survey (DHS-LCS). Higher scores indicated a more positive and supportive learning climate, and lower scores indicated an environment that is potentially less desirable. Students enrolled in a Japanese and a Canadian dental hygiene programme participated in this four-year study from 2005 to 2008. A total of 402 surveys were returned for an average response rate of 62%. The mean total DHS-LCS score of Canadian students was statistically significantly higher than that of Japanese students (P < 0.001) in all years tested, indicating that the Canadian students' perceptions of their learning environment were more favourable than those of the Japanese students. Based on the analyses of the DHS-LCS data, interventions to improve learning climates were designed and implemented. There were statistically significant improvements (P < 0.01) in DHS-LCS scores of Japanese and Canadian students over the years of the study, suggesting that student-centred interventions improved the perceived learning environment. The instrument appears to be helpful in identifying student concerns and can be used to implement interventions to help support a healthier learning climate.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».