Academic Half-Day Education Experience in Post-graduate Medical Training: A Scoping Review of Characteristics and Learner Outcomes
Notice bibliographique
Résumé
Background The academic half-day (AHD) has grown in popularity for medical education because it intends to provide learners with uninterrupted, immersive learning time that may promote participant attendance, engagement, and knowledge. Little is known about the extent of use, forms, or effectiveness of AHD in Post-graduate medical education. This scoping review summarizes existing literature and describes the learning outcomes, according to the Kirkpatrick model of learning evaluation, of AHD experiences on Post-graduate medical trainees. Methods Authors used Arksey and O'Malley's methodological framework, searching electronic scientific literature databases from the years of 1977–2019 with relevant key terms and identifying 735 papers. Two independent raters completed title/abstract screening and then extracted pertinent data from papers meeting specified criteria. Results Authors identified 38 relevant papers published in English, originating from programs in US ( n = 19) and Canada ( n = 19), spanning 4 disciplines: Medicine ( n = 17, 45%), Pediatrics ( n = 10, 26%), Critical Care/Surgery ( n = 9, 24%), Radiology ( n = 2, 5%). A majority ( n = 33, 87%) described specific educational experiences; most focused on residents only ( n = 27). The educational experiences included various teaching strategies; few were didactics only ( n = 4) and most were multi-modal including simulation, case-based learning, problem-based learning, and/or self-directed online study. AHD size ranged from 5 to 364 participants (median 39). AHD length was 1.5–6 h (median 3). Required resources were inconsistently described. When evaluations of the specific educational experience were reported ( n = 35 studies), the majority of studies used weak research designs (e.g., one group, pre/post-test, n = 19); few studies used strong research designs (e.g., randomized controlled trial, n = 2). Positive effects of AHD ranged across Kirkpatrick levels 1–3 learner outcomes. Conclusions The composition and content of AHD in Post-graduate medical education vary. Few studies of AHD use stringent research designs, and none include learner outcome measures at the highest Kirkpatrick level (i.e., level 4 results/patient outcomes). A consensus definition and further high-quality research on AHD in Post-graduate medical education is needed.
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 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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».