EVALUATION OF TUTOR PERFORMANCE IN PROBLEM BASED LEARNING: RATING THE SKILL ON STUDENTS PERSPECTIVE
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.
Notice bibliographique
Résumé
Background: The Problem based learning (PBL) was developed at McMaster University School of Medicine in Canada in the 1960s. It has become today’s most accepted method of teaching and learning activities in the field of medicine. A skilled and well-trained tutor plays major role in PBL. Present study is aimed to evaluate tutor performance on student’s perspective based on questionnaire. Methods: This questionnaire-based study was conducted with MBBS I (n=100) and II (n=100) year students of Nobel Medical College and Teaching Hospital. Tutors performance evaluation form was prepared provided with nine question items and the responses were limited to likert scale (1=strongly disagree, 2=disagree, 3=uncertain, 4=agree and 5=strongly agree). Students were instructed to give their opinion and total percentage score along with mean score of every question items were obtained. Then, mean score of each questions were compared between both MBBS batches. Results: Performance of tutors in problem-based learning sessions were analyzed which were obtained as Likert scale score; the percentage score 4 (agree, MBBS I= 52.11 %, MBBS II=53.55 %) followed by 5 (strongly agree, MBBS I=20.77 %, MBBS II= 32.22 %). Mean score obtained for each question items were compared between MBBS I and II year which significantly vary though the majority of scores were 4 (agree) and 5(strongly agree). Conclusions: Satisfactory tutor performance was procured on evaluating the tutor for their skill in PBL as facilitator based on student’s opinion.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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