Evaluating the Quality of Veterinary Students' Experiences of Learning in Clinics
Notice bibliographique
Résumé
Educators seeking to evaluate the quality of students' experiences of clinic-based learning (CBL) face a challenging task. CBL programs provide multiple opportunities for learning and aim to develop a wide range of skills, knowledge, and capacities. While direct observation of learners provides important information about students' proficiency in performing various clinical tasks, more comprehensive measures are required to unpack and identify factors relating to practice readiness as a whole. This study identified variables that have a logical and statistically significant association with learning outcomes across the broad range of attributes expected of new graduate veterinarians. The research revealed that the extent of final-year veterinary students' practice readiness, as assessed by placement supervisors against criteria relevant to new graduate practice, is related to the quality of their conceptions of and approaches to CBL. Students' conceptions of and approaches to CBL were evaluated using quantitative survey instruments, with a 93% response rate (N=100) obtained for the two questionnaires. Descriptive and exploratory statistics were used to link qualitative differences in students' conceptions of and approaches to CBL with performance against criteria relevant to new graduate practice. Students who reported poorer-quality conceptions of and approaches to CBL (n=38) attained lower levels of achievement than students who reported better-quality conceptions of and approaches to CBL (n=55). Evaluation of students' conceptions of and approaches to CBL can be used by educators seeking to evaluate and improve the extent to which CBL programs are achieving their desired goals.
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 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 | 0,013 | 0,022 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».