Lessons about Motor Learning: How Is Motor Learning Taught in Physical Therapy Programmes Across Canada?
Notice bibliographique
Résumé
Purpose: This article describes the content of and delivery methods for motor learning (ML) education and the attitudes and beliefs of instructors with regard to how ML is taught in Canadian physical therapy (PT) programmes. Method: A qualitative descriptive design was employed, using an online questionnaire and semi-structured telephone interviews. A descriptive content analysis was used to develop codes and themes. An online search of PT programme Web sites was conducted to supplement missing data and collect information from schools that did not participate in the online questionnaire or interview. Results: Eight individuals representing seven schools completed the questionnaire; six of the eight also completed the interview. Responses conveyed the fact that ML content was fairly consistent across schools and was predominantly situated in the neurological curriculum. Schools differed in the delivery methods used for clinical application of ML content. Respondents believed that ML underlies PT practice and should be integrated throughout the programme. Conclusion: Current instruction may deliver adequate ML content but may not provide optimal opportunities to apply ML principles in a clinical context. Continuing education emerged as one suggestion for remediating clinicians' knowledge–practice gap and facilitating student learning on placement. Only half the eligible PT schools participated, and all were English-language programmes; thus, the findings may not be generalizable to all Canadian programmes. Future work should explore how ML can be integrated into the PT curriculum to promote the application of ML principles across different fields. Students' perspectives on their understanding of ML and ML principles and self-efficacy for entry to practice should also be explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».