Comparing Individual Versus Team Decision-Making Using Simulated Exercises in a Master of Public Health Program
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
In line with the complex modern health care system and the increasing importance of interprofessional teams, a powerful strategy to facilitate the acquisition of essential teamwork skills and expose students to complex decision-making processes is learning in teams. The purpose of our study was to obtain empirical evidence of superior decision-making by teams versus individuals in two simulated decision-making exercises conducted 4 months apart. We collected quantitative data from three cohorts of Master of Public Health students to determine if teams make better decisions than individuals (“team effect”) between September and January. Students completed simulated emergency survival exercises requiring them to make correct decisions individually and then as teams. Decision quality was determined by comparison to survival experts’ decisions. We calculated the “team effect” as the gain or loss of mean individual versus group scores across 10 learning teams per cohort for fall and winter exercises. All three cohorts had a consistently small average team effect in September and a much larger team effect in January. Our study showed consistent improvements in decision-making after students had worked in teams for 4 months. Overall, this study demonstrates the potential benefit of incorporating team learning into a public health curriculum and the importance of strategies to teach teamwork in health education. Using simulation in health education and promoting team learning activities can help prepare students for interprofessional collaboration, a part of the demanding public health landscape. These results might help convince students of the benefits of teamwork, facilitate collaborative decision-making, and enhance the learning experience.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 découle