Merging Problem-Based Learning with Simulation-Based Learning in the Medical Undergraduate Curriculum: The PAIRED Framework for Enhancing Lifelong Learning
Notice bibliographique
Résumé
Lifelong learning is an essential trait that is expected of every physician. The CanMeds 2005 Physician Competency Framework emphasizes lifelong learning as a key competency that physicians must achieve in becoming better physicians. However, many physicians are not competent at engaging in lifelong learning. The current medical education system is deficient in preparing medical students to develop and carry out their own lifelong learning curriculum upon graduation. Despite understanding how physicians learn at work, medical students are not trained to learn while working. Similarly, although barriers to lifelong learning are known, medical students are not adequately skilled in overcoming these barriers. Learning to learn is just as important, if not more, as acquiring the skills and knowledge required of a physician. The medical undergraduate curriculum lacks a specific learning strategy to prepare medical students in becoming an adept lifelong learner. In this article, we propose a learning strategy for lifelong learning at the undergraduate level. In developing this novel strategy, we paid particular attention to two parameters. First, this strategy should be grounded on literature describing a physician's lifelong learning process. Second, the framework for implementing this strategy must be based on existing undergraduate learning strategies to obviate the need for additional resources, learner burden, and faculty time. In this paper, we propose a Problem, Analysis, Independent Research Reporting, Experimentation Debriefing (PAIRED) framework that follows the learning process of a physician and serves to synergize the components of problem-based learning and simulation-based learning in specifically targeting the barriers to lifelong learning.
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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».