MétaCan
Menu
Retour à la cohorte
Enregistrement W2239640460 · doi:10.1111/medu.12893

Preparation for future learning: a missing competency in health professions education?

2015· article· en· W2239640460 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMedical Education · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueEducational and Psychological Assessments
Établissements canadiensThe Wilson CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Action (physics)Computer sciencePsychologyKnowledge managementMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Evidence suggests that clinicians may not be learning effectively from all facets of their practice, potentially because their training has not fully prepared them to do so. To address this gap, we argue that there is a need to identify systems of instruction and assessment that enhance clinicians' 'preparation for future learning'. Preparation for future learning (PFL) is understood to be the capacity to learn new information, to use resources effectively and innovatively, and to invent new strategies for learning and problem solving in practice. CURRENT STATE: Education researchers have developed study designs that use dynamic assessments to measure what trainees have acquired in the past, as well as what they are able to learn in the present. More recently, researchers have also started to emphasise and measure whether and how trainees take action to gain the information they need to learn. Knowing that there are study designs and emerging metrics for assessing PFL, the next question is how to design instruction that helps trainees develop PFL capacities. Although research evidence is still accumulating, the current evidence base suggests training that encourages 'productive failure' through guided discovery learning (i.e. where trainees solve problems and perform tasks without direct instruction, though often with some form of feedback) creates challenging conditions that enhance learning and equip trainees with PFL-related behaviours. CONCLUSIONS: Preparation for future learning and the associated capacity of being adaptive as one learns in and from training and clinical practice have been missed in most contemporary training and assessment systems. We propose a research agenda that (i) explores how real-world adaptive expert activity unfolds in the health care workplace to inform the design of instruction for developing PFL, (ii) identifies measures of behaviours that relate to PFL, and (iii) addresses potential sociocultural barriers that limit clinicians' opportunities to learn from their daily practice.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,611
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,060
Tête enseignante GPT0,516
Écart entre enseignants0,456 · 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