Evaluation of Veterinary Medical Student Retention of Pre-clinical Concepts with Various Experiential Learning Methods
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
Many veterinary medical colleges have undergone curricular changes that have moved away from traditional lecture-based teaching in favor of evidence-based, experiential methods of instruction. Such a curricular reinvention occurred in 2018 at Michigan State University’s College of Veterinary Medicine, with individual courses using numerous instructional and learning methods. In the present study, three courses were assessed, two of which used a method of experiential learning, and the other utilizing a traditional lecture approach. The purpose of this study was to determine if the method of instruction impacted exam grades, content retention, and student perspective. Methods of teaching and learning were quantified for each course using the Classroom Observation Protocol for Undergraduate STEM. Following completion of each course, participants ( n = 27) retook the same final examination and participated in a survey 5 weeks later so their perspective could be evaluated. Mean scores on the initial examinations in the experiential learning courses were significantly higher than the mean score of the traditional lecture course ( p = .01). However, mean retake examination scores were similar for all courses ( p = .76). Students reported more confidence with course materials and examinations in courses that incorporated active learning strategies. Although true retention is difficult to assess in veterinary medicine, evaluation of student perspectives suggests the use of experiential learning methods primarily or in combination with lecture-based material to support student learning of pre-clinical concepts. Future controlled studies are needed to evaluate veterinary students’ short- and long-term learning and retention.
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 | 0,042 | 0,009 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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