Peer assisted learning model to support students’ success in a complex science course
Notice bibliographique
Résumé
The application of peer learning models, including Peer Assisted Learning (PAL), has been primarily in the clinical and simulation settings with the focus on readiness for clinical and professional practice. We present a single center experience with the design, structure and implementation of an in-house PAL tutorial in a Pathophysiology; a complex mandatory 12 weeks science course taken by 2nd-year students. This experience represents a phase and progression towards a more coherent model. In phase I, a short survey was conducted to gauge the students’ interest and assess the feasibility of a tutorial model. In Phase II and III, PAL tutorials were introduced and implemented over the course of two semesters for two cohorts of students. Phase I provided sufficient evidence to proceed with tutorial development, and provided guidance for tutorial planning and implementation. Phase II and III showed tutorial participation gradually increased over time. We have integrated complexity science as a theoretical basis that guided the study and unified the findings throughout the study. The tutorials helped students to integrate concepts from related courses, encouraged them to find similarities, and enhanced overall understanding of course content, while providing a support system to reduce anxiety and stress. The use of online material and a concept mapping approach received the most significant positive feedback as learning tools. We believe the PAL approach is important to tutorial development and, when implemented within the theoretical model of complexity science, may carry potential in developing nursing or other curricula. Further research into the application of tutorial models more broadly in nursing education curriculum is necessary to determine more coherently the unique design characteristics required.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».