Perceptions of Medical Students About Bedside Teaching in a Medical School
Notice bibliographique
Résumé
INTRODUCTION: Bedside teaching is an important and established learning tool in medical education. However there is a decline in bedside teachings over the years throughout the world including Nepal, due to advancement in medical technology, clinical skills labs and simulation techniques. This study aimed to find out the perception of Nepalese medical students towards different domains of bedside teaching. METHODS: This was a descriptive cross-sectional study. A questionnaire consisting of Likert scale, open ended and closed ended questions was developed on different aspect of bedside teaching and the filled questionnaires were included for analysis. RESULTS: Three hundred and six questionnaires were included. Almost all of medical students responded that bedside teaching is a useful learning modality in clinical teaching 304 (99.3%) and provides active learning in real context 291 (95%). The majority of medical students 233 (76%) were satisfied with the steps of history taking, examination followed by management discussion employed at bedside teaching. The students 223 (73%) were satisfied, how to elicit signs following demonstration of clinical exam by teachers at bedside. However majority 196 (64%) felt lack of individual opportunity at bedside. According to students, focussing more on practically oriented clinical skills with proper supervision would improve learning while hindering factors were large number of students and patient's uncooperativeness. Good communication was considered the best method of alleviating patient discomfort at bedside teaching in this study. CONCLUSIONS: The study concluded that medical students have positive response and learning attitudes towards different aspects of bedside teaching.
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 | 0,019 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».