MétaCan
Menu
Retour à la cohorte
Enregistrement W4403070635 · doi:10.54337/nlc.v10.8928

Assessment in clinical simulation

2016· article· en· W4403070635 sur OpenAlexaff
Andrew West, Gale Parchoma

Notice bibliographique

RevueProceedings of the International Conference on Networked Learning · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of SaskatchewanUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Clinical simulation is a well-established practice in health professional education programs employing technologies to replace or amplify real experiences with guided experiences representing certain key characteristics or behaviours of selected physical or abstract systems. Educators generally employ collaborative debriefing as an integral part of clinical simulation for reflexive and experiential learning. A movement in higher education towards using simulation for competency-based assessment for high stakes testing such as certification or licensure of health professions has been observed. In face of such a complex evolution in educational practice, social practice theory may be useful to gain an understanding of the ways in which contextual factors affect how assessment practices become embedded into higher education contexts. Therefore, in this paper we take a social practice perspective and contend that these pressures are externally derived requirements. We note that in health professional education these requirements are often observed to be mandated by professional regulatory bodies and discipline-specific accrediting agencies.Debate over the appropriateness of each of the various purposeful approaches to assessment (assessment ‘of’, ‘for’, and ‘as’ learning) are not novel. However, our examination of how a potential move from assessment ‘for’ and ‘as’ learning towards adoption assessment ‘of’ learning practices in clinical simulation brings to light concerns over this contemporary pedagogical movement. To now, the body of literature that demonstrates the pedagogic advantages of employing clinical simulation in health professional education has been informed by research into learning environments that are highly supportive of reflexive and collaborative debriefing. Through review of the literature on assessment in clinical simulation we identify several important social elements of that learning environment, including trust and ontological security. We suggest these social elements may be at risk in the face of these evolving assessment practices, and that they warrant deeper investigation in this context.Lastly, we compare themes that emerge through this review of the literature with the essential values of networked learning. With connectivity and co-production of knowledge at the fore, the parallels between these themes and values suggest the utility in adoption of networked learning theory as a pedagogical framework in clinical simulation. Networked learning theory offers the area of assessment practices in clinical simulation, an at once undertheorized yet highly technologically enhanced and connected approach to learning, with a pedagogical framework upon which to build deepened understanding of an important social learning phenomenon.

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)0,007
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,006
Communication savante0,0070,005
Science ouverte0,0020,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0270,007

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 Opus0,105
Tête enseignante GPT0,442
Écart entre enseignants0,337 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Networked LearningMême sujetSimulation-Based Education in HealthcareTravaux en français237 207