Effectiveness of Field Simulation Approach for Problem-Based Learning That Incorporates the One Health Concept
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
One Health problem-based learning (PBL) is known as an effective method in teaching zoonotic diseases. However, the classic classroom setting limits real-life exposure for students. Simulation-based learning may improve the learning experience without exposing the students to unnecessary risks. Hence, this study aimed to assess the effectiveness of field simulation PBL compared to a classic classroom setting using a module developed based on the One Health concept by examining the students’ reactions to the learning and by assessing the students’ performance. A quasi-experimental design was adopted in this study. Veterinary and medical undergraduate students participated in both types of PBL settings, and their knowledge and satisfaction were evaluated through a pre- and post-test as well as a feedback survey. The mean satisfaction score of students undergoing field simulation was significantly higher than the mean satisfaction score of students undergoing classic PBL ( p > .05). The respondents from both programs found the field simulation, in comparison to classic PBL, was more effective, and they were more satisfied with the overall learning experience, workloads, and facilitation. The attainment of the cognitive domain was comparable between both PBL groups, which was possibly due to the type of assessment used. In conclusion, field simulation enhanced the students’ positive learning experiences as they exhibited better attitudes toward learning. Future studies on the impact of the simulation on long-term knowledge retention and psychomotor skills are thus warranted.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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