‘Live Die Repeat’ simulation for medical students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The ‘Live.Die.Repeat’ (LDR) format for simulation-based education (SBE) involves repetition of scenario segments until adequate learner performance is achieved and emphasises repetitive practice over prolonged postscenario reflective debriefing.1 We incorporated the LDR format into our medical student simulations and suggest that it can be a useful element in a programmatic simulation curriculum, with appropriate preparation for learners and faculty.<br/><br/>Background<br/>Simulation-based education (SBE) has been widely adopted as a learning method for health professional education and may also be enhanced by the integration of educational games - ‘an instructional method requiring the learner to participate in a competitive activity with preset rules’.2 In their ‘Live.Die.Repeat’ (LDR) study, Sunga et al designed a simulation scenario that incorporated gameplay to teach the management of emergent pulmonary conditions to postgraduate emergency medicine trainees.1 The design was based on recursive objective-based gameplay—‘a serious-game scheme in which participants are allowed infinite lives so that they can achieve predetermined criteria for progression through multiple levels of increasing difficulty’.1<br/><br/>The LDR format has parallels with rapid cycle deliberate practice (RCDP)3 simulation, a team-based simulation method, emphasising repetitive practice over reflective debriefing, with progressively more challenging rounds, frequent starts and stops and direct coaching. RCDP is well described for ‘algorithmic’ tasks like resuscitation, and the Sunga study was also undertaken with critical care postgraduate trainees in high acuity scenarios. We hypothesised that the format would also be effective for the lower acuity and less technical context of medical student education.
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.
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 | 0,001 | 0,006 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle