The Impact of Emotion on Learners’ Application of Basic Science Principles to Novel Problems
Notice bibliographique
Résumé
PURPOSE: Training to become a physician is an emotionally laden experience. Research in cognitive psychology indicates that emotions can influence learning and performance, but the materials used in such research (e.g., word lists) rarely reflect the complexity of material presented in medical school. The present study examined whether emotions influence learning of basic science principles. METHOD: Fifty-five undergraduate psychology students were randomly assigned to write about positive, negative, or neutral life events for nine minutes. Participants were then taught three physiological concepts, each in the context of a single organ system. Testing consisted of 13 clinical cases, 7 presented with the same concept/organ system pairing used during training ("near transfer") and 6 with novel pairings ("far transfer"). Testing was repeated after one week with 13 additional cases. RESULTS: Forty-nine students provided complete data. Higher test scores were found when the concept/organ system pairing was held constant (near transfer = 51% correct vs. far = 33%; P < .001). Emotion condition influenced participants' overall performance, with individuals in the neutral condition (50.1%) performing better than those in the positive (38.2%, P < .05) and negative (37.7%, P < .001) emotion conditions. CONCLUSIONS: These data suggest that regardless of whether the emotion is positive or negative, mild affective states can impair learning of basic science concepts by novices. Demands on working memory and subsequent cognitive load provide a potential explanation. Future work will examine the extent to which these findings generalize to medical trainees.
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 | 0,012 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».