Student perceptions of independent versus facilitated small group learning approaches to compressed medical anatomy education
Notice bibliographique
Résumé
The purpose of this study was to compare student perceptions regarding two, small group learning approaches to compressed (46.5 prosection-based laboratory hours), integrated anatomy education at the University of Ottawa medical program. In the facilitated active learning (FAL) approach, tutors engage students and are expected to enable and balance both active learning and progression through laboratory objectives. In contrast, the emphasized independent learning (EIL) approach stresses elements from the "flipped classroom" educational model: prelaboratory preparation, independent laboratory learning, and limited tutor involvement. Quantitative (Likert-style questions) and qualitative data (independent thematic analysis of open-ended commentary) from a survey of students who had completed the preclerkship curriculum identified strengths from the EIL (promoting student collaboration and communication) and FAL (successful progression through objectives) approaches. However, EIL led to student frustration related to a lack of direction and impaired completion of objectives, whereas active learning opportunities in FAL were highly variable and dependent on tutor teaching style. A "hidden curriculum" was also identified, where students (particularly EIL and clerkship students) commonly compared their compressed anatomy education or their anatomy learning environment with other approaches. Finally, while both groups highly regarded the efficiency of prosection-based learning and expressed value for cadaveric-based learning, student commentary noted that the lack of grade value dedicated to anatomy assessment limited student accountability. This study revealed critical insights into small group learning in compressed anatomy education, including the need to balance student active learning opportunities with appropriate direction and feedback (including assessment).
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 | 0,006 | 0,018 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».