MétaCan
Menu
Retour à la cohorte
Enregistrement W2533212384 · doi:10.3138/jvme.0116-017r1

Teaching Tip—Studying to Become a Veterinarian: A Course for Student Support

2016· article· en· W2533212384 sur OpenAlexvenueno aff
Mirja Ruohoniemi, Johanna Mikkonen, Riitta Salomäki, Laura Hänninen, Anna-Mari Heikkilä, Sanna Ryhänen

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationPersonal developmentStress managementProfessional developmentPsychologyControl (management)MedicinePedagogyManagement

Résumé

récupéré en direct d'OpenAlex

During the last decade, concerns over veterinary students' stress have been expressed in several studies, and the need for student support has become evident. In addition, the importance of professional and personal identity development in veterinary curricula has been widely recognized. There is a need to integrate academic and professional skills instruction with training in personal-life balance. Even though tools for student support and stress management exist within universities, reports on active and creative practices in veterinary education are scarce. We report here a course that has been organized twice as an optional part of veterinary studies to provide students with tools for everyday life and personal development toward a future veterinary career. Students defined their own learning objectives in this course, and they reported having received tools and knowledge especially for time management and stress control. The course gave the students an opportunity to step back from their busy schedules, think over their lives and actions, and even take concrete actions that have a positive effect on their well-being. The rich qualitative material collected during the pilot course has been used not only for developing the course further but also for development of the mandatory curriculum.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0020,005
Intégrité de la recherche0,0020,004
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 Opus0,423
Tête enseignante GPT0,604
Écart entre enseignants0,180 · 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'étudeSans objet
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207