Application of “Earl's Assessment as, Assessment for, and Assessment of Learning Model” with Orthopaedic Assessment Clinical Competence
Notice bibliographique
Résumé
Context In order to study the efficacy of assessment methods, a theoretical framework of Earl's model of assessment was introduced. Objective (1) Introduce the predictive learning assessment model (PLAM) as an application of Earl's model of learning; (2) test Earl's model of learning through the use of the Standardized Orthopedic Assessment Tool (SOAT); and (3) establish construct validity of the SOAT. Design Quasi-experimental. Setting Three Canadian universities Patients or Other Participants A convenience sample of 57 third-year undergraduate athletic therapy students from three universities were randomly assigned into three experimental groups. Intervention(s) Treatment group 1 gave the instructor access to the SOAT, but the instructor could not explicitly share it. Treatment group 2 gave both the instructor and students access to the SOAT throughout the semester to use formatively. Group three was the comparison. Main Outcome Measure(s) All students were tested using the SOAT at the end of the semester using expert raters. An analysis of variance (ANOVA) (P < .05) was used to determine whether there was a difference between groups in their final examination grades. Results The ANOVA demonstrated a significant difference between groups (F2,56 = 28.6, P < .01). The effect size, calculated using η2, was 0.51. Post hoc analysis revealed a significant difference between treatment group 2 and the other treatment group and comparison group. Conclusions Small sample size and the quasi-experimental design prevent definitive conclusions, but the SOAT was able to discriminate between various groups, supporting our construct validity objective. The SOAT was introduced as a predictive tool that may assist orthopaedic assessment skill development. The treatment group exposed to the SOAT demonstrated that formative assessment of students using the SOAT was an effective means of teaching relative to no exposure or where only the instructor was exposed to the SOAT.
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 | 0,012 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».