MétaCan
Menu
Retour à la cohorte
Enregistrement W2792177357 · doi:10.15766/mep_2374-8265.10691

A Neurology Clerkship Curriculum Using Video-Based Lectures and Just-in-Time Teaching (JiTT)

2018· article· en· W2792177357 sur OpenAlexaff
Moises Dominguez, Daniel DiCapua, Gary Leydon, Caitlin Loomis, Erin E. Longbrake, Sara M. Schaefer, Kevin Becker, Kamil Detyniecki, Christopher Gottschalk, Arash Salardini, John Encandela, Jeremy J. Moeller

Notice bibliographique

RevueMedEdPORTAL · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensCentre for Movement Disorders
Organismes subventionnairesnon disponible
Mots-clésCurriculumSession (web analytics)Medical educationClass (philosophy)PsychologyTeaching methodMathematics educationMedicineComputer sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

Introduction: Just-in-time teaching is an educational strategy that involves tailoring in-session learning activities based on student performance in presession assessments. We implemented this strategy in a third-year neurology clerkship. Methods: Linked to core neurology clerkship lectures, eight brief video-based lectures and knowledge assessments were developed. Students watched videos and completed multiple-choice questions, and results were provided to faculty, who were given the opportunity to adjust the in-person lecture accordingly. Feedback was obtained by surveys of students and faculty lecturers and from student focus groups and faculty. Student performance on the end-of-clerkship examination was analyzed. Results: Between October 2016 and April 2017, 135 students participated in the curriculum, and 56 students (41.5%) responded to the surveys. Most students agreed or strongly agreed that the new curriculum enhanced their learning and promoted their sense of responsibility in learning the content. Faculty agreed that this pedagogy helped prepare students for class. Most students watched the entire video-based lecture, although there was a trend toward decreased audience retention with longer lectures. There were no significant changes in performance on the end-of-clerkship examination after implementation of just-in-time teaching. In focus groups, students emphasized the importance of tying just-in-time teaching activities to the lecture and providing video-based lectures well in advance of the lectures. Discussion: Just-in-time teaching using video-based lectures is an acceptable and feasible method to augment learning during a neurology clinical clerkship. We believe this method could be used in other neurology clerkships with similar success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,339
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedEdPORTALMême sujetInnovations in Medical EducationTravaux en français237 207