56. Proficiency at the end of practice predicts retention of a technical clinical skills
Notice bibliographique
Résumé
A debate is emerging regarding the efficacy of proficiency based versus duration based training of technical skills. It is not clear whether the performance level attained at the end of practice (i.e., proficiency criteria), or the overall amount of practice performed during learning will best predict the retention of a technical clinical skill. The skill learned was the single-handed double square-knot. Forty two trainees learned the skill through video-based instruction and were divided into three groups (14 participants per group) each with a specific criterion time to tie the knot (10, 15, and 20 seconds). Practice continued until participants completed the knot within their criterion time. The total number of trials, and the overall practice time required to obtain each respective criterion were recorded during practice. Participants returned one-week later for a timed retention test consisting of one trial of the knot tying skill with no video instruction. A multiple regression analysis tested whether the amount of practice, the total practice time, or the criterion reached at the end of practice was the best predictor of the time taken to perform the skill during retention. This analysis showed that the number of practice trials was highly correlated with total practice time (r = .82, p = .01), therefore total practice time was withdrawn as a predictor variable from the subsequent analysis. The regression showed that the only significant predictor of retention performance was the criterion reached at the end of practice (p = .03). The number of practice trials was not found to significantly predict the retention performance (p = .87). The results support the notion that proficiency based training results in better retention of a technical clinical skill in comparison to duration based approaches. This provides evidence for the introduction of proficiency based educational approaches in technical skills curricula. Jowett N, LeBlanc V, Xeroulis G, MacRae H, Dubrowski A. Surgical skill acquisition with self-directed practice using computer-based video training. Am J Surg. 2007; 193(2):237-42. Gallagher AG, Ritter EM, Champion H, Higgins G, Fried MP, Moses G, Smith CD, Satava RM. Virtual reality simulation for the operating room: proficiency-based training as a paradigm shift in surgical skills training. Ann Surg. 2005; 241(2):364-72. Van Sickle KR, Ritter EM, McClusky DA, Lederman A, Baghai M, Gallagher AG, Smith CD. Attempted establishment of proficiency levels for laparoscopic performance on a national scale using simulation: the results from the 2004 SAGES Minimally Invasive Surgical Trainer-Virtual Reality (MIST-VR) learning center study. Surg Endosc. 2007; 21(1):5-10.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».