MétaCan
Menu
Retour à la cohorte
Enregistrement W3011372562 · doi:10.1002/hsr2.209

Problem‐solving strategies used in anatomical <scp>multiple‐choice</scp> questions

2020· article· en· W3011372562 sur OpenAlex
Klodiana Kolomitro, Leslie W. MacKenzie, Mackenzie Lockridge, Diandra Clohosey

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHealth Science Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésThink aloud protocolMemorizationProtocol analysisMultiple choiceMathematics educationCognitionHeuristicsRote learningPsychologyRecallHigher-order thinkingProtocol (science)Teaching methodComputer scienceCognitive psychologyCognitive scienceCooperative learningMathematicsHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Multiple-choice questions (MCQ) in the anatomical sciences are often perceived to be targeting recall of facts and regurgitation of trivial details. Moving away from this assumption requires the design of purposeful multiple-choice questions that focus on higher-order cognitive functions as opposed to rote memorization. In order to develop such questions, it was important to first understand the strategies that students use in solving multiple-choice questions. Using the think-aloud protocol, this study seeks to understand strategies students use in solving multiple-choice questions. Specifically, it seeks to uncover patterns in the reasoning process and tactics used when solving higher and lower order MCQ in anatomy. The research also provides insights onto how these strategies influence the student's probability of answering questions correctly. METHODS: Multiple-choice questions were created at three levels of cognitive functioning based on the ideas, connections, extensions (ICE) learning framework. The think-aloud protocol was used to unravel problem-solving strategies used by 92 undergraduate anatomy students as they solved multiple-choice questions. RESULTS: Sixteen strategies were identified through the oral and written think-alouds that students used to solve MCQ. Eleven of these have been described and supported by the literature, while the rest were utilized by our students when solving MCQ in anatomy. Domain-specific strategies of visualizing and recalling had the highest use. Personal connection was a strategy that allowed students to achieve success in all ICE levels in the oral think-alouds and in the I and E levels in the written think-alouds. CONCLUSIONS: This research argues that it is upon us as educators to make learning visible to our students, specifically through the use of think-alouds. It also raises awareness that when educators facilitate the process of students making personal connections, it aids students in new knowledge being integrated effectively and retrieved accurately.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,303
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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