MétaCan
Menu
Retour à la cohorte
Enregistrement W2791813984 · doi:10.1111/medu.13519

A critical narrative review of transfer of basic science knowledge in health professions education

2018· review· en· W2791813984 sur OpenAlexaff
Jean-Marie Castillo, Yoon Soo Park, Ilene Harris, Jeffrey J. H. Cheung, Lonika Sood, Maureen D. Clark, Kulamakan Kulasegaram, Ryan Brydges, Geoffrey R. Norman, Nicole N. Woods

Notice bibliographique

RevueMedical Education · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensThe Wilson CentreMcMaster UniversityUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésKnowledge transferNarrativeNarrative reviewMedical educationHealth professionsEngineering ethicsMedicinePsychologyPedagogyKnowledge managementComputer scienceHealth carePolitical scienceEngineeringPhilosophyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

CONTEXT: 'Transfer' is the application of a previously learned concept to solve a new problem in another context. Transfer is essential for basic science education because, to be valuable, basic science knowledge must be transferred to clinical problem solving. Therefore, better understanding of interventions that enhance the transfer of basic science knowledge to clinical reasoning is essential. This review systematically identifies interventions described in the health professions education (HPE) literature that document the transfer of basic science knowledge to clinical reasoning, and considers teaching and assessment strategies. METHODS: A systematic search of the literature was conducted. Articles related to basic science teaching at the undergraduate level in HPE were analysed using a 'transfer out'/'transfer in' conceptual framework. 'Transfer out' refers to the application of knowledge developed in one learning situation to the solving of a new problem. 'Transfer in' refers to the use of previously acquired knowledge to learn from new problems or learning situations. RESULTS: Of 9803 articles initially identified, 627 studies were retrieved for full text evaluation; 15 were included in the literature review. A total of 93% explored 'transfer out' to clinical reasoning and 7% (one article) explored 'transfer in'. Measures of 'transfer out' fostered by basic science knowledge included diagnostic accuracy over time and in new clinical cases. Basic science knowledge supported learning - 'transfer in' - of new related content and ultimately the 'transfer out' to diagnostic reasoning. Successful teaching strategies included the making of connections between basic and clinical sciences, the use of commonsense analogies, and the study of multiple clinical problems in multiple contexts. Performance on recall tests did not reflect the transfer of basic science knowledge to clinical reasoning. CONCLUSIONS: Transfer of basic science knowledge to clinical reasoning is an essential component of HPE that requires further development for implementation and scholarship.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,263
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,263
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,549
Écart entre enseignants0,477 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207