Beyond the Task: Developing a Tool to Measure Workplace Characteristics That Affect Cognitive Load and Learning
Notice bibliographique
Résumé
PURPOSE: Educators lack tools to measure the workplace characteristics that learners perceive to affect learning. Without a tool that encompasses the social, organizational, and physical components of workplace learning environments (WLEs), it is challenging to identify and improve problematic workplace characteristics. Using echocardiography WLE, this study developed a tool to measure workplace characteristics that cardiology fellows perceive to affect learning. METHOD: The Workplace-Cognitive Load Tool (W-CLT) was developed, which encompasses 17 items to measure workplace characteristics that could affect perceived cognitive load and learning. Exploratory factor analysis was used to identify the most parsimonious structure. A total of 646 cardiology subspeciality fellows were recruited from 60 cardiology fellowship programs to complete the survey between November 2020 and February 2021. Validity evidence was collected, guided by the unified model of validity. RESULTS: A total of 308 fellows (response rate, 49%) participated in the survey. The most parsimonious structure included 4 factors: (1) workplace-task, (2) workplace-environment, (3) workplace-orientation, and (4) workplace-teaching and feedback. All factors had high reliability (Cronbach α = 0.92, 0.92, 0.96, and 0.94, respectively). Social, organizational, and physical components of WLEs were represented in the items. Workplace-teaching and feedback had moderate negative correlations with workplace-environment ( r = -0.41, P < .001) and workplace-orientation ( r = -0.36, P < .001). A moderate positive correlation was found between workplace-task and workplace-teaching and feedback ( r = 0.42, P < .001). Workplace-task had weak negative correlations with workplace-environment ( r = -0.22, P < .001) and workplace-orientation ( r = -0.23, P < .001). CONCLUSIONS: The W-CLT measures workplace characteristics that cardiology fellows perceive to affect their learning. The presence of social, organizational, and physical components emphasizes how workplace characteristics can enhance or impede learning. The W-CLT provides a foundation to explore how learning can be optimized in other WLEs.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».