The effect of case nodes in problem-based learning on the length and quality of discussion: a 2x2 factorial study
Notice bibliographique
Résumé
Background: Problem-based learning (PBL) relies heavily on case structure for their success. To make more meaningful cases, faculty introduced a “case node” that requires students to make a group decision on the action they will take at a given point in the case. The purpose of this study was to determine whether case nodes enhance PBL discussions. Methods: Two PBL cases were designed with and without a node. In 2011, 2012, and 2015, first-year medical students were assigned one PBL case with a node and one without a node. In total, 26 groups processed cases with a node while 27 groups processed the same cases without the node. All sessions were audio recorded and analyzed to determine the length and quality of discussions. Results: Groups with a node, regardless of case (M = 25.62, SD = 12.25) spent significantly more time in discussion on the node topic than those without a node (M = 16.54, SD = 10.33, p = .005, d = .80). Groups with a node, regardless of case (M = 14.38, SD = 8.04) expressed an opinion significantly more frequently than those without a node (M = 6.07, SD = 5.80, p < .001, d = 1.19). Conclusions: Case nodes increased both the length and depth of discussion on a topic and may be an effective way to enhance case-based instruction.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».