Drawings to explore faculties‘ and students‘ perceptions from different generations cohorts about dental education: A pilot study
Notice bibliographique
Résumé
INTRODUCTION/AIMS: We aimed at using drawings as a form of data collection to give voice to older and younger generations in regards to educational practices in undergraduate dentistry. MATERIALS AND METHODS: First year dental students (younger generations) and faculty members (older generations) produced drawings depicting their perceptions of the current dental education learning environment. Qualitative analysis was conducted independently by two researchers using the drawings to produce codes, categories and themes. RESULTS: 15 drawings were produced: 9/34 (26.4%) made by students and 6/20 (30%) made by faculty members. The generated themes indicated that students and faculties found that dental education is going through a challenging time, because of the restrictions caused by the COVID-19 pandemic; and that they were aware about the evident division between basic/preclinical and applied/clinical courses. Faculties showed hopeful signs that the situation may get better. Students' drawings evoked the following topics: digital connectedness, diversity, time goes by, and future aspirations in Dentistry. DISCUSSION: This study reinforced the validity of visual methods as an approach in research and showed different graphical features (features that might be intentionally or unintentionally represented in the drawings) that gave voice to participants. These voices could have been invisible in more traditional qualitative approaches, such as interviews or questionnaires. CONCLUSIONS: Although the two groups of participants came from different generation cohorts, they had aligned perceptions regarding challenges in dental education, and mentioned the separation between preclinic and clinic. Drawings were unique, innovative, and an interesting tool to express perceptions regarding today's learning environment. These insights can consequently help educators to personalize teaching approaches to better meet the needs of the students.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».