<scp>Students‐As‐Teachers</scp> : Fostering medical educators
Notice bibliographique
Résumé
BACKGROUND: While mounting evidence supports various benefits of Students-As-Teachers (SAT) curricula in preparing students to teach, limited SAT electives are offered across Canada. We developed a 4-week SAT selective for fourth-year medical students at the University of Toronto to enhance medical education knowledge and teaching skills. This study aimed to evaluate the SAT programme and its impact on students' development as educators, their experience as learners and educators, and their future plans for involvement with medical education. APPROACH: Students participated in highly interactive small group seminars and teaching opportunities in nonclinical and clinical environments. Course evaluation consisted of pre-selective and post-selective surveys and written reflections on the selective experience and future career aspirations. A theory-based evaluation approach was utilized to compare the SAT programme's theory with course outcomes. EVALUATION: Post-SAT selective, students self-reported greater knowledge and confidence in teaching methods, provision of feedback, medical education scholarship, and interest in further medical education training. Student reflections highlighted three key themes. Identity formation as educators and the importance of mentorship in medical education aligned with our programme theory, while an unexpected outcome included a shifting perception on teaching and feedback from a learner to an educator lens. IMPLICATIONS: This study's findings demonstrate the ability of SAT curricula to build capacity for future medical educators. Positive factors contributing to the programme's outcomes included cohort size, course and seminar structure, and active group participation. Future iterations may explore use of flipped classroom models, additional clinical teaching opportunities, and near-peer teaching.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».