Learning behaviour and preferences of family medicine residents under a flexible academic curriculum.
Notice bibliographique
Résumé
OBJECTIVE: To determine family medicine residents' learning behaviour and preferences outside of clinical settings in order to help guide the development of an effective academic program that can maximize their learning. DESIGN: Retrospective descriptive analysis of academic learning logs submitted by residents as part of their academic training requirements between 2008 and 2011. SETTING: London, Ont. PARTICIPANTS: All family medicine residents at Western University who had completed their academic program requirements (N = 72) by submitting 300 or more credits (1 credit = 1 hour). MAIN OUTCOME MEASURES: Amount of time spent on various learning modalities, location where the learning took place, resources used for self-study, and the objective of the learning activity. RESULTS: A total of 72 residents completed their academic requirements during the study period and logged a total of 25 068 hours of academic learning. Residents chose to spend most of their academic time engaging in self-study (44%), attending staff physicians' teaching sessions (20%),and participating in conferences, courses, or workshops (12%) and in postgraduate medical education sessions (12%). Textbooks (26%), medical journals (20%), and point-of-care resources (12%) were the 3 most common resources used for self-study. The hospital (32%), residents' homes (32%),and family medicine clinics (14%) were the most frequently cited locations where academic learning occurred. While all physicians used a variety of educational activities, most residents (67%) chose self-study as their primary method of learning. The topic for academic learning appeared to have some influence on the learning modalities used by residents. CONCLUSION: Residents used a variety of learning modalities and chose self-study over other more traditional modalities (eg, lectures) for most of their academic learning. A successful academic program must take into account residents' various learning preferences and habits while providing guidance and training in the use of more effective learning methods and resources to maximize educational outcomes.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».