MétaCan
Menu
Retour à la cohorte
Enregistrement W3088298916 · doi:10.1097/sih.0000000000000507

Are Simulation Learning Objectives Educationally Sound? A Single-Center Cross-Sectional Study

2020· article· en· W3088298916 sur OpenAlexaff
Madeleine Hui, Muqtasid Mansoor, Matthew Sibbald

Notice bibliographique

RevueSimulation in Healthcare The Journal of the Society for Simulation in Healthcare · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Assessment and Pedagogy
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAccreditationCategorizationComputer scienceComprehensionBloom's taxonomyTaxonomy (biology)Competence (human resources)PsychologyMedical educationArtificial intelligenceMedicineCognitionSocial psychology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Accreditation standards of simulation stress the importance of educationally sound learning objectives. We aimed to assess whether learning objectives adhered to theoretical frameworks outlined by accreditation standards, lending themselves to maximal learning outcomes. METHODS: A retrospective study was conducted at the Centre for Simulation-Based Learning at McMaster University. Raters coded 848 faculty-designed learning objectives from 722 sessions based on Bloom's Taxonomy, SMART (Specific, Measurable, Attainable, Realistic, and Timely) criteria, and the presence of inappropriate verbs. Learning objective categorization was compared with student evaluations. RESULTS: Using Bloom's Taxonomy, learning objectives were mostly focused on application 53%, followed by smaller percentages focused on knowledge 21.4% and comprehension 12.2%. Few learning objectives focused on higher levels of analysis 7.2%, synthesis 2.3%, and evaluation 3.7%. By SMART criteria, learning objectives were 49.6% specific, 60.8% measurable, 88.8% attainable, 85.0% realistic, and 9.1% timely. Approximately 1 in 5 objectives used inappropriate verbs. No correlations were observed between categorization by Bloom's Taxonomy or inappropriate verbs to student ratings. However, those containing attainable and timely goals were associated with lower levels of perceived achievement by students. CONCLUSIONS: There was a disconnect between simulation accreditation standards and current practices at McMaster University's simulation center. Most objectives were classified at lower stages of Bloom's Taxonomy. The majority followed SMART guidelines, with the exception of specificity and mention of time frames. A minority of learning objectives contained inappropriate verbs. Given the costs associated with simulation-based education, educators should focus simulation learning objectives on higher levels of Bloom's Taxonomy and include references to time frames.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,315
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,183
Tête enseignante GPT0,492
Écart entre enseignants0,309 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSimulation in Healthcare The Journal of the Society for Simulation in HealthcareMême sujetEducational Assessment and PedagogyTravaux en français237 207