Experiential Learning in Project-Based Quality Improvement Education: Questioning Assumptions and Identifying Future Directions
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
PURPOSE: Project-based experiential learning is a defining element of quality improvement (QI) education despite ongoing challenges and uncertainties. The authors examined stakeholders' perceptions and experiences of QI project-based learning to increase understanding of factors that influence learning and project experiences. METHOD: The authors used a case study approach to examine QI project-based learning in 3 advanced longitudinal QI programs, 2 at the University of Toronto and 1 at an academic tertiary-care hospital. From March 2016 to June 2017, they undertook 135 hours of education program observation and 58 interviews with learners, program directors, project coaches, and institutional leaders and reviewed relevant documents. They analyzed data using a conventional and directed data analysis approach. RESULTS: The findings provide insight into 5 key factors that influenced participants' project-based learning experiences and outcomes: (1) variable emphasis on learning versus project objectives and resulting benefits, tensions, and consequences; (2) challenges integrating the QI project into the curriculum timeline; (3) project coaching factors (e.g., ability, capacity, role clarity); (4) participants' differing access to resources and ability to direct a QI project given their professional roles; and (5) workplace environment influence on project success. CONCLUSIONS: The findings contribute to an empirical basis toward more effective experiential learning in QI by identifying factors to target and optimize. Expanding conceptualizations of project-based learning for QI education beyond learner-initiated, time-bound projects, which are at the core of many QI educational initiatives, may be necessary to improve learning and project outcomes.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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