MétaCan
Menu
Retour à la cohorte
Enregistrement W3025317512 · doi:10.3138/jvme.0318-025r2

Direct Measurement of Veterinary Student Learning Outcomes for the NAVMEC Professional Competencies in a Multi-User Virtual Learning Environment

2020· article· en· W3025317512 sur OpenAlexvenueno aff
Noberto Francisco Espitia, Debra L. Zoran, Angela Clendenin, Sammie M. Crosby, B.J. Dominguez, Cheryl L. Ellis, Amy Hilburn, William Moyer, Wesley T. Bissett

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesCarnegie Foundation for the Advancement of TeachingU.S. Department of Energy
Mots-clésPreparednessMedical educationAccreditationCurriculumGraduation (instrument)InteractivityStakeholderMedicineVeterinary medicinePsychologyComputer scienceEngineeringPedagogyPolitical science

Résumé

récupéré en direct d'OpenAlex

Education in veterinary medicine, as in other allied health care-health science professions and academia in general, has been subject to the public call for accountability for the quality of its student learning outcomes. A principal stakeholder in veterinary medicine is the American Veterinary Medical Association-Council on Education (AVMA-COE). AVMA-COE has adopted program accreditation standards requiring veterinary colleges to provide evidence that they are measuring and assessing the clinical competency of students before graduation and again shortly after graduation. Schools and colleges are required to develop relevant measures to validate scientific knowledge, skills, and values aligned with North American Veterinary Medical Education Consortium (NAVMEC) core competencies. Beginning in May 2012, the College of Veterinary Medicine and Biomedical Sciences at Texas A&M University modified the professional veterinary medical curriculum by including a required clinical rotation centered on veterinary emergency preparedness and response. A distinguishing major component of the instructional design of the clinical rotation includes Second Life, a commercially obtained computer-generated multi-user virtual simulation learning environment. The virtual reality situations require high-volume, mass-casualty medical triage decision making. The interpersonal communications and interactivity among students, faculty, and third-party actors enable faculty and instructor observers and simulation facilitators to evaluate students actively engaged in critical thinking and complex problem solving while demonstrating skill in the NAVMEC professional competencies. The Second Life virtual simulation has been adopted as a primary tool for direct measurement of student learning objectives outcomes achieved in this clinical rotation and is being implemented in other clinical teaching platforms.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,444
Tête enseignante GPT0,525
Écart entre enseignants0,081 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207