MétaCan
Menu
Retour à la cohorte
Enregistrement W2806632846 · doi:10.1186/s12909-018-1244-9

Self-directed learning readiness of Indian medical students: a mixed method study

2018· article· en· W2806632846 sur OpenAlexaff
Kalyani Premkumar, Elizabeth Vinod, Solomon Sathishkumar, Anna Pulimood, Valerie Umaefulam, P. Prasanna Samuel, Tara A John

Notice bibliographique

RevueBMC Medical Education · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesShastri Indo-Canadian Institute
Mots-clésAutodidacticismCurriculumInternshipMedical educationLifelong learningFocus groupScale (ratio)PsychologyMedicinePedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Self-directed learning (SDL) is defined as learning on one's own initiative, with the learner having primary responsibility for planning, implementing, and evaluating the effort. Medical education institutions promote SDL, since physicians need to be self-directed learners to maintain lifelong learning in the ever-changing world of medicine and to obtain essential knowledge for professional growth. The purpose of the study was to measure the self-directed learning readiness of medical students across the training years, to determine the perceptions of students and faculty on factors that promote and deter SDL and to identify the role of culture and curriculum on SDL at the Christian Medical College, Vellore, India. METHODS: Guglielmino's SDL Readiness Scale (SDLRS) was administered in 2015 to six student cohorts (452 students) at admission, end of 1st, 2nd, 3rd and 4th year of training, and at the beginning of internship in the undergraduate medicine (MBBS) program. Analysis of variance (ANOVA) was used to compare SDL scores between years of training. 5 student focus groups and 7 interviews with instructors captured perceptions of self-direction. Transcripts were coded and analyzed thematically. RESULTS: The overall mean SDLRS score was 212.91. There was no significant effect of gender and age on SDLR scores. There was a significant drop in SDLRS scores on comparing students at admission with students at subsequent years of training. Qualitative analysis showed the prominent role of culture and curriculum on SDL readiness. CONCLUSIONS: Given the importance of SDL in medicine, the current curriculum may require an increase in learning activities that promote SDL. Strategies to change the learning environment that facilitates SDL have to be considered.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,432
Écart entre enseignants0,414 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations149
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207