Notice bibliographique
Résumé
BACKGROUND: Students' education in their clinical placements is often supervised by practising clinicians. Most health care professional programmes provide workshops and short courses to train clinicians for supervising student learning. CONTEXT: Although clinical educators are often expert clinicians with extensive years of clinical experience, they are not necessarily expert educators. The lack of educational experience can lead to clinical educators having difficulty relating to the student experience, and subsequent difficulty in planning a meaningful and effective learning experience. INNOVATION: We incorporated Kolb's model of experiential learning into the curriculum of a workshop that is regularly offered by the local university for training physical therapy educators. Using this model, participants had to feel and think like a student by putting themselves in a student's role. Over 3 years (2009-2011), 302 participants attended the workshop. Participants were asked to fill out a survey after the workshop to evaluate the incorporation of Kolb's model into the curriculum. After the workshop, participants reported a high level of satisfaction with the workshop (9.2/10), as well as a 50 per cent increase in their readiness and comfort in planning and supervising student learning. IMPLICATIONS: Kolb's model is a highly adaptable model that can be used effectively in the training of clinical educators. The experiential approach of this model enables educators to understand 'how it feels to be a student' and carry that understanding forward into planning learning experiences for their own students.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».