Effectiveness of student-led objective tutorials in pharmacology teaching to medical students
Notice bibliographique
Résumé
Objectives: Current teaching in pharmacology is passive with less emphasis on clinical application. There is a need to incorporate newer instructional designs into pharmacology. Student-led objective tutorial (SLOT) is one of the novel designs to enhance interest among learners, provide opportunities for group learning, and facilitate self-directed learning. This study aims to assess the effectiveness of SLOTs over conventional tutorials (CTs) in pharmacology and to obtain feedback from the students regarding their perceptions about it. Subjects and Methods: The regular batch of MBBS 2nd professional in pharmacology was randomly divided into two groups. Five topics from central nervous system (CNS) were selected. One group received SLOT as the instructional strategy, whereas the other group went through CTs. At the end of the module, a written test was conducted to assess the effectiveness of both strategies. The students provided feedback regarding their experience using a prevalidated questionnaire. Statistical Analysis: The mean scores of both the groups were analyzed using Mann–Whitney U-test. Results: There was no significant difference in the mean scores of the end of the module test. However, the overall passing percentage was significantly higher in the intervention group (P = 0.043). A total of 45.71% students favored it as a future tutorial method and expressed that SLOT enhanced their ability to learn independently. Conclusion: SLOT is an effective teaching–learning method to teach pharmacology to medical undergraduates. It enhances interest among learners and increases the ability to learn independently. Key message: Student led objective tutorial (SLOT) serve as critical determinants for self-learning and improve analytical skills of students. It enhances interest among learners, provide opportunities for group learning and facilitate self-directed learning. SLOT can be introduced as an interactive teaching learning strategy in pharmacology.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».