Learning in Practice: A Valuation of Context in Time-Variable Medical Training
Notice bibliographique
Résumé
The logical consequence of implementing competency-based education is moving to time-variable training. Competency-based, time-variable training (CBTVT) requires an understanding of how learners interact with their learning context and how that leads to competence. In this article, the authors discuss this relationship. They first explain that the time required to achieve competence in clinical practice depends on the availability of clinical experiences that are conducive to ongoing competence development. This requires both curricular flexibility in light of the differences in individual learners' development and a balance between longitudinal placements and transitions to different environments.Along with the deliberate use of the opportunities that learning environments offer, there is value for learners in spending ample time-in-context. For instance, guided independence is possible when trainees do not progress immediately after meeting curricular learning objectives. Next, the potential implications of CBTVT can be illustrated by two learning perspectives-Sfard's acquisition and participation metaphors-which leads to the assertion that competence is both an individual characteristic and a quality that emerges from a purposeful social interaction between individuals and their context. This theory recognizes that the deliberate use of context could be used to approach learning as acquiring collective competence.Based on this relationship between learner, context, and competence, the authors propose an approach to CBTVT that recognizes that all learners will have to meet a number of standard preset learning targets in their workplace, while still having room for further context-specific competence development and personal growth within strategically organized learning environments.
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 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 | 0,009 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».