Six Ways Problem-Based Learning Cases Can Sabotage Patient-Centered Medical Education
Notice bibliographique
Résumé
PURPOSE: Problem-based learning (PBL) cases tell a story of a medical encounter; however, the version of the story is typically very biomedical in focus. The patient and her or his experience of the situation are rarely the focus of the case despite a prevalent discourse of patient-centeredness in contemporary medical education. This report describes a qualitative study that explored the question, "How does PBL teach medical students about what matters in medicine?" METHOD: The qualitative study, culminating in 2008, involved three data collection strategies: (1) a discourse analysis of a set of PBL cases from 2005 to 2006, (2) observation of a PBL tutorial group, and (3) semistructured, in-depth, open-ended interviews with medical educators and medical students. RESULTS: In this report, using data gathered from 67 PBL cases, 26 hours of observation, and 14 interviews, the author describes six specific ways in which PBL cases-if not thoughtfully conceptualized and authored-can serve to overlook social considerations, thereby undermining a patient-centered approach. These comprise the detective case, the shape-shifting patient, the voiceless PBL person, the joke name, the disembodied PBL person, and the stereotypical PBL person. CONCLUSIONS: PBL cases constitute an important component of undergraduate medical education. Thoughtful authoring of PBL cases has the potential to reinforce, rather than undermine, principles of patient-centeredness.
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 | 0,001 | 0,007 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».