MétaCan
Menu
Retour à la cohorte
Enregistrement W2438721897 · doi:10.3138/jvme.0815-130r1

An Investigation into the Clinical Reasoning Development of Veterinary Students

2016· article· en· W2438721897 sur OpenAlexvenueno aff
Claire Vinten, Kate Cobb, Sarah Freeman, Liz Mossop

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensnon disponible
Organismes subventionnairesKU Leuven
Mots-clésCurriculumThematic analysisMedical educationDocumentationVeterinary educationPsychologyFocus groupMedicineVeterinary medicineQualitative researchPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Clinical reasoning is a fundamental skill for veterinary clinicians and a competency required of graduates by the Royal College of Veterinary Surgeons. However, it is unknown how veterinary students develop reasoning skills and where strengths and shortcomings of curricula lie. This research aimed to use the University of Nottingham School of Veterinary Medicine and Science (SVMS) as a case study to investigate the development of clinical reasoning among veterinary students. The analysis was framed in consideration of the taught, learned, and declared curricula. Sixteen staff and sixteen students from the SVMS participated separately in a total of four focus groups. In addition, five interviews were conducted with recent SVMS graduates. Audio transcriptions were used to conduct a thematic analysis. A content analysis was performed on all curriculum documentation. It was found that SVMS graduates feel they have a good level of reasoning ability, but they still experience a deficit in their reasoning capabilities when starting their first job. Overarching themes arising from the data suggest that a lack of responsibility for clinical decisions during the program and the embedded nature of the clinical reasoning skill within the curriculum could be restricting development. In addition, SVMS students would benefit from clinical reasoning training where factors influencing "real life" decisions (e.g., finances) are explored in more depth. Integrating these factors into the curriculum could lead to improved decision-making ability among SVMS graduates and better prepare students for the stressful transition to practice. These findings are likely to have implications for other veterinary curricula.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,119
Tête enseignante GPT0,494
Écart entre enseignants0,375 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207