Comparing medical students' learning via paper-based versus electronic curriculum
Notice bibliographique
Résumé
Medical schools are increasingly utilizing electronic curriculum management systems (CMS) for scheduling, delivery, administration and reporting. Little attention has been paid to comparing electronic systems to the paper-based curricula. Previous research showed that the quality of education delivery does not depend on the medium used. Current research in electronic curriculum delivery focuses mostly on the specific features that the system has to offer. When moving from a paper-based curriculum to the digital variant, we must assure that our primary goals of student learning are not lost. During implementation of electronic Curriculum Management System-OPAL, developed at the University of Manitoba; we compared students' perception of learning and actual learning, as we transitioned from the paper-based (Class of 2012) to electronic-based (Class of 2013) curriculum. Evaluation of student's perception via a 60 questionnaire course evaluation survey of three courses in Block III showed better satisfaction with the electronic system. On a 5 point Likert scale, where 1 = least satisfaction and 5 = most satisfaction; for the class of 2012 (Paper) overall percentage scores were: 0%, 2%, 17%, 34%, 47% vs. 0%, 0%, 5%, 38% 57% for the class of 2013 (Electronic), p<0.01. Performance at the final course examination demonstrated similar performance between the two classes. Average student examination scores for the classes of 2012 and 2013 respectively were: Overall 75.95±6.13 vs. 75.40±7.14 (p=0.54); Cardiovascular 76.78±8.86 vs. 77.20±8.45 (p=0.716); Respiratory 77.38±9.25 vs. 74.55±9.14 (p=0.024); ENT 62.95±15.94 vs. 72.63±13.13 (p<0.001). Our project demonstrated that despite better student perception of the electronic compared to the paper-based curriculum, students' actual learning is equivalent.
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 | 0,000 |
| 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 | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».