MétaCan
Menu
Retour à la cohorte
Enregistrement W3091910042 · doi:10.1097/acm.0000000000003789

Learning Echocardiography in the Workplace: A Cognitive Load Perspective

2020· article· en· W3091910042 sur OpenAlex

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

RevueAcademic Medicine · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCognitive loadPerspective (graphical)Task (project management)Thematic analysisCognitionPerceptionReading (process)PsychologySample (material)Medical educationComputer scienceMedicineCognitive psychologyQualitative researchArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Although workplace learning environments provide authentic tasks to promote learning, elements of clinical settings may distract trainees and impede learning. The characteristics of workplace learning environments that require optimization are ill-defined. Applying principles of cognitive load theory (CLT) to optimize learning environments by managing intrinsic load (complexity of the task matched to learner knowledge and skill), minimizing extraneous load (any aspect that is not part of task completion), and increasing germane load (processing for storage in long-term memory) could be advantageous. The authors explored trainee perceptions of characteristics that helped or impaired learning from a cognitive load perspective. Echocardiography interpretation was used as a model. METHOD: The authors conducted semistructured interviews between December 2018 and March 2019 with a purposeful sample of 10 cardiology trainees at the University of California, San Francisco, School of Medicine until thematic sufficiency was achieved. Participants represented a range of training levels (3 fourth-year trainees, 2 fifth-year trainees, 3 sixth-year trainees, and 2 advanced echocardiography fellows) and career aspirations (4 desired careers in imaging). Two independent coders analyzed interview transcripts using template analysis. Codes were mapped to CLT subcomponents. RESULTS: Trainees selected their own echocardiograms to interpret; if trainees' skill levels and the complexity of the selected echocardiograms were mismatched, excess intrinsic load could result. Needing to look up information essential for task completion, interruptions, reporting software, and time pressures were characteristics that contributed to extraneous load. Characteristics that related to increasing germane load included the shared physical space (facilitating reading echocardiograms with attendings and just-in-time guidance from near peers) and the availability of final reports to obtain feedback independent of teachers. CONCLUSIONS: As interpreted from a cognitive load perspective, findings highlight characteristics of workplace learning environments that could be optimized to improve learning. The findings have direct application to redesigning these learning environments.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
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 recherche0,0000,003
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 Opus0,057
Tête enseignante GPT0,393
Écart entre enseignants0,335 · 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