MétaCan
Menu
Retour à la cohorte
Enregistrement W4386856545 · doi:10.3138/jvme-2021-0060.de

Die Rolle der strukturierten Nachbesprechung und des selbstgesteuerten Lernens bei der simulations-basierten Lehre klinischer Fertigkeiten in der Nutztierreproduktionsmedizin

2023· article· de· W4386856545 sur OpenAlexvenueno aff
Samira L. Schlesinger, W. Heuwieser, Carola Fischer‐Tenhagen

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2023
Typearticle
Languede
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGynecologyPsychologyPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Zusammenfassung Selbstgesteuertes Lernen wird mit mehreren Vorteilen bei der simulations-basierten Lehre klinischer Fertigkeiten in Verbindung gebracht und kann durch Feedback in Form einer Nachbesprechung nach der Veranstaltung ergänzt werden. In dieser Studie wurden Studierende der Veterinärmedizin im letzten Studienjahr ( n = 111) in eine von drei Gruppen eingeteilt und übten vier klinische Fertigkeiten aus dem Bereich der Nutztierreproduktionsmedizin in einem Labor für klinische Fertigkeiten (Skills Lab). Gruppe 1 absolvierte eine von einer Dozentin geleiteten Übung ( instructor, I), Gruppe 2 absolvierte eine selbstgesteuerte Übung mit Nachbesprechung ( debriefing, D), und Gruppe 3 absolvierte eine selbstgesteuerte Übung ohne Nachbesprechung (Kontrolle, C). Jede Übung umfasste zwei klinische Fertigkeiten, die als direkt patientenbezogen eingestuft wurden (Patient), und zwei klinische Fertigkeiten, die Labordiagnostik oder den Zusammenbau von Geräten beinhalteten (technisch). Die Studierenden bewerteten die Übungseinheiten anhand von Likert-Skalen. Zwei Tage nach der Übung nahmen 93 Studierende an einer Leistungskontrolle im Format objective structured clinical examination (OSCE) teil. Die Leistungen der Studierenden wurden für jede Lernstation einzeln analysiert. Der Prozentsatz der Studierenden, die die OSCE bestanden, unterschied sich bei keiner Lernstation signifikant zwischen den drei Gruppen. Während der/die Prüfende an einer Lernstation einen Einfluss auf die absoluten OSCE-Ergebnisse (in %) hatte, unterschied sich der Prozentsatz der Studierenden, die die OSCE bestanden, nicht zwischen den Prüfenden. Die Patienten-Lernstationen waren bei den Studierenden beliebter als die technischen Lernstationen, und der Prozentsatz der Studierenden, die die OSCE bestanden, war bei den Studierenden, die gerne an der jeweiligen Station übten, signifikant höher (90.9%) als bei denen, die dies nicht taten (77.8%). This translation was provided by the authors. To view the original article visit: https://doi.org/10.3138/jvme-2021-0060

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,408
Tête enseignante GPT0,549
Écart entre enseignants0,141 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207