Implementing a Competency-Based Approach to Anatomy Teaching: Beginning With the End in Mind
Notice bibliographique
Résumé
BACKGROUND: The shift in the medical education system from a time-based to a competency-based model has encouraged its adoption and application in competency-based education in anatomy classrooms, such as team-based learning models and flipped classroom models. This pilot study aimed to build on previous work of the linkages between anatomy-based learning (a flipped classroom model inspired by a modified team-based learning) and student learning and engagement, and further to assess the linkage between anatomy-based learning and academic performance. METHODS: A sequential mixed-methods design was employed to first gather and analyse quantitative data, including confidential student first semester scores in anatomy: gender, stream, anatomy-based learning, and final anatomy overall mark. The quantitative phase was followed by a qualitative phase in which a series of 8 anatomy laboratories were observed (4 anatomy-based learning and 4 traditional). Thematic analysis was performed on the observation data. RESULTS: Aggregate anatomy-based learning and traditional stream tests, and final unit scores were compared. The anatomy-based learning and final unit scores showed little difference between students in the anatomy-based learning and students in the traditional stream. Students using anatomy-based learning had an aggregate score of 1.15 and final aggregate mark of 72, whereas students in the traditional section had an aggregate score of 1.19 and final mark of 79. Qualitative phase was undertaken to try to assess the linkages between anatomy-based learning and student learning. Observations showed that students in the anatomy-based learning section spent more time on task as compared with their peers in the traditional stream. The anatomy-based learning students also seemed to practice more self-directed learning and employed more multimodal learning strategies than the traditional section stream. DISCUSSION/CONCLUSIONS: Although the quantitative results of this study showed no significant difference in mean scores between anatomy-based learning and traditional designs, it was possible to observe the potential of flipped classroom model in engaging students in individual preparation, in team-based learning, and in consensus-based learning approaches.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».