MétaCan
Menu
Retour à la cohorte
Enregistrement W4388530624 · doi:10.1002/ase.2354

Evaluating knowledge loss over multiple retention intervals can identify deficiencies and inform curricular development

2023· article· en· W4388530624 sur OpenAlexaff
Melanie Neumeier, Yuwaraj Narnaware

Notice bibliographique

RevueAnatomical Sciences Education · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésTest (biology)CohortBlood lossWeight lossKnowledge retentionMedicinePsychologyMedical educationSurgeryBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Nursing students struggle to retain enough anatomical knowledge to meet their entry to practice competencies, but what knowledge is missing and when this occurs has been previously unexplored. A cohort of 80 nursing students were given multiple choice quizzes to assess their anatomical knowledge on 11 different organ systems during their second, third, and fourth year. Results were analyzed in comparison to their first-year examination scores to determine knowledge loss. Results showed an overall knowledge loss of 33.5% in the second year, 31.8% in the third year, and 29.6% in the fourth year. There were significant differences in system specific results. Special senses (i.e., audition) had a 20.6% loss in the second year, increased in retention to a 17.3% loss in third year, and then decreased to a 37% loss in fourth year. The vascular system had a 46.1% knowledge loss at the second-year assessment, declined to 49% knowledge loss in the third year, but improved to 27.6% knowledge loss by the fourth year. A similar change was observed for the musculoskeletal system with second-year loss at 30.7%, third-year loss at 40.3%, and fourth-year loss at 26.6%. These data suggest there are significant differences in the amount of knowledge retained by nursing students depending on the system being tested and the year the test is taken. Identifying the areas and times where anatomical knowledge is lost and gained is valuable for instructors in any program so that specific topics can be targeted at different times with more effective educational strategies.

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)0,035
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,071
Tête enseignante GPT0,443
Écart entre enseignants0,372 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnatomical Sciences EducationMême sujetInnovations in Medical EducationTravaux en français237 207