Debriefing for the Transfer of Learning: The Importance of Context
Notice bibliographique
Résumé
The advent of simulation-based education has caused a renewed interest in feedback and debriefing. However, little attention has been given to the issue of transfer of learning from the simulation environment to real-life and novel situations. In this article, the authors discuss the importance of context in learning, based on the frameworks of analogical transfer and situated cognition, and the limitations that context imposes on transfer. They suggest debriefing strategies to improve transfer of learning: positioning the lived situation within its family of situations and implementing the metacognitive strategies of contextualizing, decontextualizing, and recontextualizing. In contextualization, the learners' actions, cognitive processes, and frames of reference are discussed within the context of the lived experience, and their mental representation of the situation and context is explored. In decontextualization, the underlying abstract principles are extracted without reference to the situation, and in recontextualization, those principles are adapted and applied to new situations and to the real-life counterpart. This requires that the surface and deep features that characterize the lived situation be previously compared and contrasted with those of the same situation with hypothetical scenarios ("what if"), of new situations within the same family of situations, of the prototype situation, and of real-life situations. These strategies are integrated into a cyclical contextualization, decontextualization, and recontextualization model to enhance debriefing.
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 | 0,086 | 0,338 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».