Impact of providing case-specific knowledge in simulation: a theory based study of learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle