The Effect of Spaced Repetition on Learning and Knowledge Transfer in a Large Cohort of Practicing Physicians
Notice bibliographique
Résumé
PURPOSE: Spaced repetition is superior to repeated study for learning and knowledge retention, but literature on the effect of different spaced repetition strategies is lacking. The authors evaluated the effects of different spaced repetition strategies on long-term knowledge retention and transfer. METHOD: This prospective cohort study, conducted from October 1, 2020, to July 20, 2023, used the American Board of Family Medicine Continuous Knowledge Self-Assessment (CKSA) to assess learning and knowledge transfer of diplomates and residents. Participants were randomized to a control group or 1 of 5 spaced repetition conditions during 5 calendar quarters (January 1, 2021, to March 31, 2022). Participants in the spaced repetition groups received 6 repeated questions once or twice. Incorrectly but confidently answered questions were prioritized for repetition, with decreasing priority for questions answered incorrectly with lesser confidence. All participants received 6 rewritten questions corresponding to their initial questions chosen for repetition in quarter 10 (second quarter of calendar year 2023). RESULTS: A total of 26,258 family physicians or residents who completed the CKSA in the baseline period were randomized. Spaced repetition was superior to no spaced repetition for learning at quarter 6 (58.03% vs 43.20%, P < .001, Cohen d = 0.62) and knowledge transfer at quarter 10 (58.33% vs 52.39%, P < .001, Cohen d = 0.26). Double-spaced repetitions were superior to single-spaced repetitions for learning (62.24% vs 51.83%, P < .001, Cohen d = 0.43) and transfer (60.08% vs 55.72%, P < .001, Cohen d = 0.20). There were no meaningful differences in learning or transfer between repetition strategy chosen in the single- or double-repetition groups. CONCLUSIONS: This study affirms the value of spaced repetition in improving learning and retention in medical education and ongoing professional development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».