A Novel Approach to Simulation-Based Education for Veterinary Medical Communication Training Over Eight Consecutive Pre-Clinical Quarters
Notice bibliographique
Résumé
Experiential learning through the use of standardized patients (SPs) is the primary way by which human medical schools teach clinical communication. The profession of veterinary medicine has followed suit in response to new graduates' and their employers' concerns that veterinary interpersonal skills are weak and unsatisfactory. As a result, standardized clients (SCs) are increasingly relied upon as invaluable teaching tools within veterinary curricula to advance relationship-centered care in the context of a clinical scenario. However, there is little to no uniformity in the approach that various colleges of veterinary medicine take when designing simulation-based education (SBE). A further complication is that programs with pre-conceived curricula must now make room for training in clinical communication. Curricular time constraints challenge veterinary colleges to individually decide how best to utilize SCs in what time is available. Because it is a new program, Midwestern University College of Veterinary Medicine (MWU CVM) has had the flexibility and the freedom to prioritize an innovative approach to SBE. The author discusses the SBE that is currently underway at MWU CVM, which incorporates 27 standardized client encounters over eight consecutive pre-clinical quarters. Prior to entering clinical rotations, MWU CVM students are exposed to a variety of simulation formats, species, clients, settings, presenting complaints, and communication tasks. These represent key learning opportunities for students to practice clinical communication, develop self-awareness, and strategize their approach to future clinical experiences.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».