Shining a Light Into the Black Box of Group Learning: Medical Students’ Experiences and Perceptions of Small Groups
Notice bibliographique
Résumé
PURPOSE: Group work is seen as serving multiple positive purposes in health professions education, such as providing an opportunity for students to master course content, transfer knowledge into clinical practice, and develop collaborative/teamwork skills. However, there have been relatively few studies exploring medical students' experiences of the small-group learning context or what they learn in and from that context. METHOD: Between January 2018 and January 2019, the authors used grounded theory methods to conduct semistructured interviews with 9 medical students to explore their perceptions of the value of the group as a mechanism for learning both content and teamwork skills. Sessions were audiorecorded and transcribed verbatim. One author coded the transcripts and identified codes, which the team then discussed, refined, and used to develop themes. RESULTS: Students were able to express all the expected goals for small-group learning, such as retaining course materials, mimicking future health care team interactions, and creating a collaborative environment. However, when their experiences were further explored, students seemed to have perceived that the value of group learning was as a mechanism for reviewing rather than for deepening their learning. Further, students frequently expressed the opinion that the tutor was the primary factor in the success of a group, and when group function was suboptimal, students described giving up on the group or relying on the tutor to address the problem. CONCLUSIONS: Formal, small-group, tutor-led learning sessions, at least in the context of single-term groups, may not be accomplishing what educators might hope. Although students understand the intent of small-group learning, it cannot be assumed that such groups are deepening learning or solving the teamwork problems in health professions 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.
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 | 0,012 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,012 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».