Proposing a Model of Co-Regulated Learning for Graduate Medical Education
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
Primarily grounded in Zimmerman's social cognitive model of self-regulation, graduate medical education is guided by principles that self-regulated learning takes place within social context and influence, and that the social context and physical environment reciprocally influence persons and their cognition, behavior, and development. However, contemporary perspectives on self-regulation are moving beyond Zimmerman's triadic reciprocal orientation to models that consider social transactions as the central core of regulated learning. Such co-regulated learning models emphasize shared control of learning and the role more advanced others play in scaffolding novices' metacognitive engagement.Models of co-regulated learning describe social transactions as periods of distributed regulation among individuals, which instrumentally promote or inhibit the capacity for individuals to independently self-regulate. Social transactions with other regulators, including attending physicians, more experienced residents, and allied health care professionals, are known to mediate residents' learning and to support or hamper the development of their self-regulated learning competence. Given that social transactions are at the heart of learning-oriented assessment and entrustment decisions, an appreciation for co-regulated learning is likely important for advancing medical education research and practice-especially given the momentum of new innovations such as entrustable professional activities.In this article, the author explains why graduate medical educators should consider adopting a model of co-regulated learning to complement and extend Zimmerman's models of self-regulated learning. In doing so, the author suggests a model of co-regulated learning and provides practical examples of how the model is relevant to graduate medical education research and practice.
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 | 0,006 | 0,011 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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