MétaCan
Menu
Retour à la cohorte
Enregistrement W2161356564 · doi:10.3109/0142159x.2013.770133

‘Discovery Learning’: An account of rapid curriculum change in response to accreditation

2013· article· en· W2161356564 sur OpenAlexaff
Jonathan White, Teresa Paslawski, Ramona A. Kearney

Notice bibliographique

RevueMedical Teacher · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Academy of Chinese Medical Sciences
Mots-clésAccreditationCurriculumMedical educationMedicinePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND/AIMS: The purpose of this study was to explore the attitudes and experiences of leaders responsible for making rapid changes to a medical school curriculum in response to an adverse accreditation report. The new curriculum was based on the principles of problem-based learning ('Discovery Learning'), with changes to the way that students were assessed. METHODS: We conducted semi-structured interviews with leaders responsible for education at the school two and a half years after the adoption of the new curriculum. We coded the resulting transcripts to identify major and minor themes expressed by participants. RESULTS: Thirty-five senior leaders, administrators and course directors were invited for the interview; 14 (40%) were interviewed. Five main themes were noted in the data: (1) organization and control of the curriculum; (2) changes in the practices of teaching and learning; (3) effects on faculty members; (4) sources of resistance and (5) attitudes to curriculum change in general. CONCLUSION: This study demonstrates that major curriculum change can be achieved successfully in a short period of time. This study also illustrates some of the problems associated with making rapid changes to the medical school curriculum, and highlights the importance of attitudes to change amongst the leadership of a medical school.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,460
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0060,000

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 Opus0,028
Tête enseignante GPT0,360
Écart entre enseignants0,332 · 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.

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

Citations23
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetInnovations in Medical EducationTravaux en français237 207