MétaCan
Menu
Retour à la cohorte
Enregistrement W3046224457 · doi:10.1007/s40037-020-00603-2

A layered analysis of self-explanation and structured reflection to support clinical reasoning in medical students

2020· article· en· W3046224457 sur OpenAlexafffund
Martine Chamberland, Sílvia Mamede, Linda Bergeron, Lara Varpio

Notice bibliographique

RevuePerspectives on Medical Education · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesUniversité de Sherbrooke
Mots-clésReflection (computer programming)Psychological interventionContext (archaeology)CurriculumEngineering ethicsEpistemologyComputer sciencePsychologyPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

Self-explanation and structured reflection have been studied independently with results suggesting that both learning interventions can effectively support medical students' clinical reasoning development. Given this evidence, medical schools may want/begin to implement these interventions in their curricula. Implementing educational interventions requires educators to maintain the core philosophy and principles of the interventions intact while adjusting implementation techniques to the specificities of individual learning contexts. Educational scholars have yet to explicitly articulate the philosophy, principles and techniques of self-explanation and structured reflection. Without such descriptions, educators risk failing to realize self-explanation's and structured reflection's effect to support students' clinical reasoning skill development in their implementations. Relying on the layered analysis approach, we articulate the philosophy, principles and techniques of self-explanation and structured reflection. This description is framed within the context of an actual implementation to illustrate the philosophies underpinning self-explanation and structured reflection, the principles that realize those philosophies, and the techniques that can be used to enact those principles. Building on the similarities between self-explanation and structured reflection, while also harnessing their differences, we identify why and how these interventions can be combined in a single implementation, while preserving their philosophies and principles. The layered analysis of self-explanation and structured reflection offers essential insights into the underpinnings of these interventions. They are articulated in this manuscript in hopes that other scholars will continue to refine these descriptions thereby facilitating effective use of self-explanation and structured reflection for clinical reasoning development.

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)0,002
score de la tête « metaresearch » (Gemma)0,176
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,174
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,176
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,474
Écart entre enseignants0,434 · 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.

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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207