Improving Narrative Feedback for Resident-Led Academic Rounds: The Effects of Assessment Form Design Changes
Notice bibliographique
Résumé
ABSTRACT Background Learners benefit more from narrative feedback than numerical scores on formative assessments, yet they often report that feedback is lacking in quality and quantity. Changes to the formatting of assessment forms is a practical intervention with limited literature regarding its impact on feedback. Objective This study explores the effect of a formatting change (ie, relocating the comment section from the bottom of a form to the top) on residents' oral presentation assessment forms and if this affects the quality of narrative feedback. Methods We used a feedback scoring system based on the theory of deliberate practice to evaluate the quality of written feedback provided to psychiatry residents on assessment forms from January to December 2017 before and after a form design change. Word count and presence of narrative comments were also assessed. Results Ninety-three assessment forms with the comment section at bottom and 133 forms with the comment section at the top were evaluated. When the comment section was placed at the top of the evaluation form, there were significantly more comment sections with any number of words than left blank (X2(1)=6.54, P=.011) as well as a significant increase in the specificity related to the task component, or what was done well (X2(3)=20.12, P≤.0001). Conclusions More prominent placement of the feedback section on assessment forms increased the number of sections filled as well as the specificity related to the task component.
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 | 0,005 | 0,025 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».