MétaCan
Menu
Retour à la cohorte
Enregistrement W2343186304 · doi:10.15766/mep_2374-8265.10387

Evidence-Informed Facilitated Feedback: The R2C2 Feedback Model

2016· article· en· W2343186304 sur OpenAlexaff
Joan Sargeant, Heather Armson, Erik W. Driessen, Eric S. Holmboe, Karen D. Könings, Jocelyn Lockyer, Lorna A. Lynn, Karen Mann, Kathryn M. Ross, Ivan Silver, Sophie Soklaridis, Andrew E. Warren, Marygrace Zetkulic, Michelle Boudreau, Cindy Shearer

Notice bibliographique

RevueMedEdPORTAL · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental HealthUniversity of CalgaryDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFeedback controlComputer sciencePsychologyEngineeringControl engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction While feedback continues to pose challenges, new understanding is emerging. Feedback is now being seen as an interaction in which learner engagement, supportive relationships, reflection, and cooperative planning are important. In response and through research, we developed and tested the R2C2 model and teaching materials to support its use. Methods R2C2 is an evidence-based reflective model for providing assessment feedback. It includes four phases: (1) relationship building, (2) exploring reactions to the feedback, (3) exploring understanding of feedback content, and (4) coaching for performance change. It provides a strategy for facilitating feedback conversations that promote engagement with performance data and enable coaching for improvement. This package of educational materials includes paper-based and video resources designed to support interactive learning and skills development in facilitating feedback and coaching. Specific strategies are described and demonstrated for each phase of the R2C2 model and include a learning change template for the coaching phase. Resources can be used by an individual or group. A workshop outline with presentation slides and a practice scenario are also included. Results Through research, invited and peer-reviewed presentations, and feedback from colleagues who have used the materials and the R2C2 model, we have learned that the model is intuitive and easy to use, that it can engage the learner and support coaching, and that the educational materials are clear and useful. Discussion The model is intuitive, especially within competency-based education, is easy to follow, and makes sense to faculty, which makes it easy to implement in most programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,125
score de la tête « metaresearch » (Gemma)0,234
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,659

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1250,234
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,005
Communication savante0,0070,006
Science ouverte0,0060,007
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,067
Tête enseignante GPT0,354
Écart entre enseignants0,288 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedEdPORTALMême sujetInnovations in Medical EducationTravaux en français237 207