Integrating Same-Level Peer-Assisted Learning in a Simulation-Based Emergency Dystocia Module for Final-Year Veterinary Students
Notice bibliographique
Résumé
Due to faculty shortages, time restraints, and unpredictability of emergency cases, teaching emergency veterinary care is associated with a range of challenges. A novel simulation-based emergency veterinary care (EVC) module was introduced at the Department of Veterinary Medicine, Freie Universität Berlin. The module was mandatory for all final-year veterinary students ( n = 155) and consisted of a 5-hour online workshop series on communication skills, a series of interactive, virtual emergency cases, and a weeklong block event covering practical skills at different simulation-based learning stations. A same-level peer-assisted learning (PAL) approach was trialed at two learning stations. Sixteen students volunteered to act as student tutors for their peers. The student tutors received specific training and each tutored six groups of three to four tutees in one topic of their choice. Evaluation forms were filled out by both tutors and tutees with response rates of 100% and 89.7%, respectively. Most student tutors felt well prepared and comfortable in their role as tutor. They indicated exceptionally high levels of motivation and felt useful and competent during the exercise. The tutees reciprocated these opinions and specifically enjoyed the fun and positive learning environment that the tutors were able to create. Responses in the evaluation forms also indicated that the ratio of faculty member to tutors to tutees (1:3:9–12) was a good fit for the exercise. Reciprocal same-level PAL shows promise as an effective teaching tool for final-year veterinary students receiving EVC training. This translation was provided by the authors. To view the full translated article visit: https://doi.org/10.3138/jvme-2022-0038.de
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».