Academic Half-Days: Facilitated Small Groups to Promote Interactive Learning
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Medical educators have expressed interest in using less didactic and more interactive formats for academic half-days (AHDs) in postgraduate residency training. We assessed the feasibility and effectiveness of implementing a practice-based small-group learning (PBSGL) process as one part of AHDs. METHODS: A mixed-methods approach was used. Over a two-year period, family medicine residents at the University of Calgary took part in PBSGL sessions during their AHDs, discussing clinical cases presented in evidence-based educational modules and reflecting on clinical experiences with the guidance of a trained peer facilitator. Data sources to explore experiences with the PBSGL process included an evaluation questionnaire, a practice reflection tool (PRT; documenting patient management plans) and individual interviews (n=19) with residents and faculty preceptors. RESULTS: Of 148 residents, 139 (93%) agreed to participate. Participants were divided into groups of 14-16 members to discuss 12 different module topics. Participants indicated that ongoing small-group interactions were helpful in meeting learning needs and provided opportunities to share and learn from experiences of others in a safe environment. Group facilitation by residents was successful. Level of resident participation and time to preread modules were factors contributing to successful small-group interactions. Modules were rated as effective learning tools, and sample cases were perceived as representing typical cases encountered in practice. Although participants intended to apply their learning to practice, follow through was hindered by lack of relevant clinical cases. CONCLUSIONS: Ongoing small-group learning facilitated by residents, coupled with evidence-based educational materials, was a feasible approach to AHDs.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».