Straight from the Horse's Mouth: Using Vignettes to Support Student Learning in Veterinary Ethics
Notice bibliographique
Résumé
In the last few decades, the importance of imparting ethical competences to veterinary students has been increasingly acknowledged. Despite its relevance, there are few published descriptions of teaching approaches to veterinary ethics and their effect on student learning. At University College Dublin, veterinary ethics is part of a core module on animal behavior and welfare in the pre-clinical teaching program. The present study describes the implementation of a student-centered, skills-based approach to veterinary ethics teaching using vignettes (i.e., case scenarios). Vignettes were inspired by several resources, including a focus group, and designed to represent significant ethical challenges faced by veterinary professionals in Ireland in addition to cases of potential professional misconduct. In small groups, students had to identify the stakeholders and their conflicting interests and to suggest possible solutions and alternative outcomes to the case scenario. Results from qualitative material from the teaching sessions and from a quantitative post-teaching survey show that student understanding of stakeholders increased as a result of the tutorial, which helped them to clarify possible solutions to the scenario and to propose alternative outcomes to either mitigate or avoid future occurrence of the ethical challenges. These findings suggest that incorporating meaningful vignettes into the teaching of veterinary ethics can support student ethical awareness and skills, while promoting a pluralistic approach to considering ethical issues, making the best of available time and human resources.
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 | 0,004 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».