Tutor Experiences with Facilitating Interprofessional Problem-Based Learning
Notice bibliographique
Résumé
Background: This article describes tutors’ experiences with facilitating interprofessional problem-based learning (iPBL), a topic rarely discussed in the literature. We examined tutors’ perceptions of what it was like to tutor iPBL, including the rewarding and challenging aspects. We also reported differences between new and experienced tutors.Methods and Findings: The data presented in this article were collected using three versions of a paper-and-pencil survey (N = 77, N = 99, and N = 97 for each version of the survey, respectively) and six focus groups. Surveys were completed at the conclusion of iPBL modules. Both quantitative and qualitative results indicated that tutors found the experience of facilitating iPBL to be rewarding and encountered few challenges. Tutors felt the training they received prepared them well to tutor. They also felt that facilitating iPBL increased their knowledge in the topic area of the iPBL module and of other professional roles, that it enhanced their skills as facilitators, and that they enjoyed observing students learn. New tutors reported significantly more learning and skill development than experienced tutors.Conclusions: Four lessons were derived from our research: 1) use iPBL to offer IPE; 2) invest in tutor training and support; 3) help tutors trust the process; and 4) consider tutor recruitment and retention strategies.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».