MétaCan
Menu
Retour à la cohorte
Enregistrement W2134621523 · doi:10.1111/medu.12284

Are two heads better than one? Comparing dyad and self‐regulated learning in simulation training

2013· article· en· W2134621523 sur OpenAlexaff
David R. Shanks, Ryan Brydges, Wendie Den Brok, Parvathy Nair, Rose Hatala

Notice bibliographique

RevueMedical Education · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensThe Wilson CentreUniversity of TorontoUniversity Health NetworkUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDyadTest (biology)ChecklistPsychologyWilcoxon signed-rank testObservational studyMotor learningPhysical therapyMedicineDevelopmental psychologyInternal medicineCurriculum

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,871

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,385
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetSimulation-Based Education in HealthcareTravaux en français237 207