Impact of providing case-specific knowledge in simulation: a theory based study of learning
Notice bibliographique
Résumé
Background: Simulation-based education (SBE) has been lauded for its ability to help students recognise and react appropriately to common and rare circumstances. While healthcare professions have started to implement SBE into their curriculum, there is no evidence to suggest which educational theory is best for implementation. This study explores the usage of cognitive load theory (CLT) and the unified theory of emotional learning (UTEL). Study design: A mixed methods ordered-allocation cohort study. Methods: 23 patient management teams were allocated into 2 groups. The first group received prior information about the simulation scenario; the second group did not. Each team had 1 student assigned to the role of doctor. The scenarios were filmed at time 1 (T1), time 2 (T2) and follow-up (F/U). The 'doctor' role was then graded with a validated checklist by a three-judge panel. The scores were evaluated to determine if prior information enabled better performance. Secondary analysis evaluated the role of gender on performance and also evaluated anxiety at the onset of the simulation. Results: 23 doctors were evaluated. There was no difference between groups in performance (t=1.54, p=0.13). Secondary analysis indicated that gender did not play a role. There was no difference in anxiety between groups at baseline (t=0.67, p=0.51). Conclusions: Trends were observed, suggesting that when students enter a simulation environment with prior knowledge of the event they will encounter, their performance may be higher. No differences were observed in performance at T2 or F/U. Withholding information appeared to be an inappropriate proxy for emotional learning as no difference in anxiety was observed between groups at baseline. All trends require confirmation with a larger sample size.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».