MétaCan
Menu
Retour à la cohorte
Enregistrement W2547576585 · doi:10.5430/ijhe.v6n1p25

Seeking the Optimal Time for Integrated Curriculum in Jinan University School of Medicine

2016· article· en· W2547576585 sur OpenAlexvenueno aff
Sanqiang Pan, Xin Cheng, Yanghai Zhou, Ke Li, Xuesong Yang

Notice bibliographique

RevueInternational Journal of Higher Education · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesJinan University
Mots-clésCurriculumMedical educationMedical schoolPsychologyMedicineMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

The curricular integration of the basic sciences and clinical medicine has been conducted for over 40 years and proved to increase medical students’ study interests and clinical reasoning. However, there is still no solid data suggesting what time, freshmen or year 3, is optimal to begin with the integrated curriculum. In this study, the integrated courses on cardiovascular and respiratory systems were performed to part of year 1 and year 3 medical students while non-participant students acted as control. We tried to explore the optimal time through comparison of the exam results and questionnaire of participated students. It was demonstrated that year 3 participant students got better exam score than year 1 students did, and the questionnaire showed that it might be due to the year 1 participants difficultly caught up with the contents of integrated courses without appropriate background knowledge. Three years later, the participant students got higher ability to analytical thinking of clinical diseases in comparison to non-participant students, while it did not improve the acquirement of their clinical practical skills. Taken together, our study in Jinan University School of Medicine indicated that the integrated courses would be approximately effective if combined to conventional medical teaching at year 3 after the students obtain relevant basic sciences knowledge.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,327
Écart entre enseignants0,318 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetInnovations in Medical EducationTravaux en français237 207