Near‐peer question writing and teaching programme
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
BACKGROUND: Near-peer assisted learning (NPAL) is an increasingly important tool in medical education; however, although numerous published papers discuss its merits, the evidence on the effectiveness and student perception of NPAL is limited. We describe a novel near-peer question writing and teaching programme to assess whether it improves the confidence of first-year medical students for their first In-Course Assessment (ICA) in medical school. The evidence on the effectiveness and student perception of NPAL is limited METHODS: A team of medical students designed a question development procedure and a structured teaching programme. A total of 280 first-year medical students were invited to appraise the questions. A questionnaire assessing confidence and student perception was sent to participants at different time points leading up to and after their first ICA at the medical school. Statistical analysis was performed using spss 20. RESULTS: One hundred and seventy one students attempted the questions. Students felt more confident with short-answer questions (SAQs; 95% CI 1.5-2.0, p < 0.05) and multiple-choice questions (MCQs; 95% CI 1.0-1.5, p < 0.05), as assessed using the Wilcoxon signed-rank test. Overall, students were satisfied with the NPAL questions and teaching programme following their university examinations (p > 0.01). CONCLUSION: The NPAL project highlighted a trend towards improving students' confidence. Furthermore, the question writing and teaching programme can be used as a guide to confidently hold teaching sessions in the future. The NPAL project further reinforces existing published papers that have shown NPAL to be a powerful adjunct to existing undergraduate medical education.
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 | 0,063 | 0,044 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| 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 découle