Pharmacy Students’ Experiences of Self-regulated Learning through Simulated Virtual Patients
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
Objective: Virtual patient (VP) cases are a valuable learning tool for students, used to apply classroom knowledge and develop clinical skills. It is unknown whether exposure to multiple VP cases helps students develop self-regulated learning (SRL). We sought to learn more about how students engaged in SRL as they made goals for approaching patient care during repeated exposure to cases. Methods: Second-year students (N=211) were invited to participate in an online survey. Students were surveyed before and/or after completing three VP cases. Each survey consisted of two open-ended questions. Prior to each case, students were asked “How will you change the sequence of your approach to completing the VP assessment today, if at all?” and after each case, “What more do you have to learn in order to approach similar real-life patient assessments?” A thematic analysis was conducted on open-ended survey responses. Results: One hundred and seventy pre-case and 242 post-case responses were received. The most common themes identified in pre-case surveys were a need for a more systematic approach and specific strategies for executing the patient care process. Some students had no plans for approaching VP cases. The most common themes identified in post-case surveys were knowledge gaps of medical conditions, therapeutics, and lab tests. Conclusion: VPs provided students the opportunity to self-identify gaps in knowledge and plan to strengthen their clinical reasoning skills. More research is needed to understand the relationship between VP cases, instructional guidance for supporting SRL and the realities of the intended benefits to students' learning and practice.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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