A Neurology Clerkship Curriculum Using Video-Based Lectures and Just-in-Time Teaching (JiTT)
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
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.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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