Are two heads better than one? Comparing dyad and self‐regulated learning in simulation training
Notice bibliographique
Résumé
CONTEXT: The optimal learner to simulator ratio for procedural skills training is not known. Research in motor learning suggests observational training in pairs, termed 'dyad training', may be as effective as directed self-regulated learning (DSRL). OBJECTIVES: This study was conducted to compare the relative effectiveness and efficiency of dyad versus DSRL training of simulation-based lumbar puncture (LP). METHODS: We conducted a two-group randomised equivalence trial. First-year internal medicine residents (n = 50) were randomly assigned to learn LP either in dyads or as individual learners on a simulator, using a directed self-regulated approach (i.e. the learning sequence was defined for them, but they defined the pace of learning). Participants were videotaped performing a simulated LP on a pre-test, an immediate post-test, and a 6-week delayed retention test. In duplicate, blinded raters independently evaluated all trainee performances using a previously validated 5-point global rating scale (GRS) and 35-item checklist. RESULTS: Our analyses showed no significant differences (p = 0.69) on pre-test, post-test or retention test GRS scores between the dyad (mean ± standard deviation [SD] scores by test: 2.39 ± 0.57, 3.48 ± 0.62, 3.12 ± 0.85, respectively) and DSRL (mean ± SD scores by test: 2.67 ± 0.50, 3.34 ± 0.77, 3.21 ± 0.79, respectively) groups. Both groups improved significantly from pre-test to post-test (p < 0.001) and retained that performance following the 6-week delay. Dyad participants experienced significantly greater pre-test to post-test gains than DSRL participants (p = 0.02). There was no significant difference in total practice time between the groups (20.94 minutes for individuals and 24.20 minutes for dyads; p = 0.175). CONCLUSIONS: Our results indicate that learning in pairs is as effective as independent DSRL. Dyad training permits the more efficient use of simulators as two learners use the same resources as an individual.
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 | 0,015 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».