Learning and Study Strategies of Students in the First Year of an Entry-Level Physical Therapist Program
Notice bibliographique
Résumé
INTRODUCTION: The learning and study strategies of entry-level physical therapist (PT) students may not be as effective as those needed for success in an entry-level PT education program. The Learning and Study Strategies Inventory, third edition (LASSI) is a reliable tool to assess learning and study strategies. The purpose of this study was to assess the learning and study strategies of first-year PT students and if the strategies change over the first year. REVIEW OF LITERATURE: There is little research on using the LASSI with PT students; however, the LASSI has been used with other health care professional students. SUBJECTS: The participants (n = 211) were from 5 cohorts of PT students in their first year of an entry-level PT education program. METHODS: In the first week of the curriculum the students took the LASSI in class. The results were released individually to each student. No intervention was provided. At the end of the first year, the students retook the LASSI. Paired samples t-tests were run to determine whether the 10 subtest mean percentile scores changed significantly from baseline to follow-up and how they compared to established LASSI benchmarks. RESULTS: Six subtest scores, Anxiety, Attitude, Concentration, Information Processing, Selecting Main Ideas, and Test Strategies, showed significant changes (P ≤ .005) from baseline to follow-up. However, all subtest averages fell below the 75th percentile mark, which is reported as the threshold requiring reflection to improve skills for learning and study strategies. DISCUSSION AND CONCLUSION: Students, on average, may not have adequate learning and study strategies when they start an entry-level PT education program. The LASSI may be an effective tool to focus resources in a timely and proactive manner for those students who may need them. Determining the resources needed earlier may decrease the need for later remediation, attrition, or licensure examination failures.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».