Increasing Reasoning Awareness: Video Analysis of Students’ Two-Party Virtual Patient Interactions
Notice bibliographique
Résumé
BACKGROUND: Collaborative reasoning occurs in clinical practice but is rarely developed during education. The computerized virtual patient (VP) cases allow for a stepwise exploration of cases and thus stimulate active learning. Peer settings during VP sessions are believed to have benefits in terms of reasoning but have received scant attention in the literature. OBJECTIVE: The objective of this study was to thoroughly investigate interactions during medical students' clinical reasoning in two-party VP settings. METHODS: An in-depth exploration of students' interactions in dyad settings of VP sessions was performed. For this purpose, two prerecorded VP sessions lasting 1 hour each were observed, transcribed in full, and analyzed. The transcriptions were analyzed using thematic analysis, and short clips from the videos were selected for subsequent analysis in relation to clinical reasoning and clinical aspects. RESULTS: Four categories of interactions were identified: (1) task-related dialogue, in which students negotiated a shared understanding of the task and strategies for information gathering; (2) case-related insights and perspectives were gained, and the students consolidated and applied preexisting biomedical knowledge into a clinical setting; (3) clinical reasoning interactions were made explicit. In these, hypotheses were followed up and clinical examples were used. The researchers observed interactions not only between students and the VP but also (4) interactions with other resources, such as textbooks. The interactions are discussed in relation to theories of clinical reasoning and peer learning. CONCLUSIONS: The dyad VP setting is conducive to activities that promote analytic clinical reasoning. In this setting, components such as peer interaction, access to different resources, and reduced time constraints provided a productive situation in which the students pursued different lines of reasoning.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».