Task complexity and cognitive load in simulation‐based education: A randomised trial
Notice bibliographique
Résumé
INTRODUCTION: When designing simulation for novices, educators aim to design tasks and environments that are complex enough to promote learning but not too complex to compromise task performance and cause cognitive overload. This study aimed to determine the impact of modulating task and environment complexity on novices' performance and cognitive load during simulation. METHODS: Second-year pharmacy students (N = 162) were randomly assigned to one of four conditions (2 × 2 factorial design) in simulation: simple task in simple environment, complex task in simple environment, simple task in complex environment and complex task in complex environment. Using video recordings, two raters assessed students' performance during the simulation. We measured intrinsic cognitive load (ICL) and extraneous cognitive load (ECL) with questionnaires after the task and tested knowledge after task and debriefing. RESULTS: Mean performance scores in simple environment were 28.2/32 (SD = 3.8) for simple task and 25.8/32 (SD = 4.2) for complex task. In complex environment, mean performance scores were 24.6/32 (SD = 5.2) for simple task and 25.6/32 (SD = 5.3) for complex task. We found significant interaction effects between task and environment complexity for performance. In simple environment, mean ICL scores were 4.2/10 (SD = 2.2) for simple task and 5.7/10 (SD = 1.5) for complex task. In complex environment, mean ICL scores were 4.9/10 (SD = 1.8) for simple task and 5.1/10 (SD = 1.9) for complex task. There was a main effect of task complexity on ICL. For ECL, we found neither an interaction effect nor main effects of task and environment complexity. There was a main effect of task complexity on knowledge test after task and main effects of both task and environment complexity on knowledge after debriefing. CONCLUSIONS: Performance was good, and cognitive load remained reasonable in all conditions, which suggests that, despite increased complexity, students seemed to strategically manage their own cognitive load and learn from the simulations. Our findings also indicate that environmental complexity contributes to ICL.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».