The Contextual Curriculum: Learning in the Matrix, Learning From the Matrix
Notice bibliographique
Résumé
Changes in the health care landscape over the last 25 years have led to an expansion of training sites beyond the traditional academic health sciences center. The resulting contextual diversity in contemporary medical education affords new opportunities to consider the influence of contextual variation on learning. The authors describe how different contextual patterns in clinical learning environments-patients, clinical and educational practices, physical geography, health care systems, and culture-form a contextual learning matrix. Learners' participation in this contextual matrix shapes what and how they learn, and who they might become as physicians.Although competent performance is critically dependent on context, this dependence may not be actively considered or shaped by medical educators. Moreover, learners' inability to recognize the educational affordances of different contexts may mean that they miss critical learning opportunities, which in turn may affect patient care, particularly in the unavoidable times of transition that characterize a professional career. Learners therefore need support in recognizing the variability of learning opportunities afforded by different training contexts. The authors set out the concept of the contextual curriculum in medical education as that which is learned both intentionally and unintentionally from the settings in which learning takes place. Further, the authors consider strategies for medical educators through which the contextual curriculum can be made apparent and tangible to learners as they navigate a professional trajectory where their environments are not fixed but fluid and where change is a constant.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».