MétaCan
Menu
Retour à la cohorte
Enregistrement W4404839943 · doi:10.32920/27926772

From Slow Shifts to Fast Flips: Unraveling problem-based learning group function dynamics

2024· preprint· en· W4404839943 sur OpenAlexaff
Matthew Mellon, Nicholas Dunn, Arden Azim, Teresa M. Chan, Matthew Sibbald

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensToronto Metropolitan UniversityHamilton Health SciencesMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDynamics (music)Group (periodic table)Function (biology)Computer scienceMathematicsPsychologyPhysicsBiologyEvolutionary biologyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

<p>Purpose</p> <p>Problem-Based Learning (PBL) relies on self-directed learning in small groups in the presence of a tutor. While the effectiveness of PBL is often attributed to the dynamics of group function, change in group function over time and factors influencing group function development are less understood. This study aims to explore the development of PBL group function over time to better understand the factors that give rise to high-functioning groups.</p> <p>Method</p> <p>We examined time-function graphs of group function and conducted semi-structured focus group discussions in 2023 with medical students enrolled in a PBL curriculum. Students reflected on their experiences in four different PBL groups, creating time-function graphs to characterize development of group function over 8–12-week periods. We analyzed graphs and transcripts in a staged approach using qualitative description and direct content analysis, sensitized by two frameworks: Tuckman’s Stages of Group Development and the Dimensions of PBL Group Function.</p> <p>Results</p> <p>Three archetypes of PBL group function development were identified: Slow Shifters, Fast Flippers, and Coasters. (1) Slow Shifters were characterized by a complex and extended pattern of growth consistent with Tuckman’s model, typically occurring amongst inexperienced groups, or groups faced with a novel task. (2) Fast Flippers were characterized by abrupt state changes in group function arising from internal or external disruptions. (3) Coasters were characterized by plateaus, where maintenance of group function was a frequently cited challenge. Abrupt changes and plateaus occurred more among mature groups and groups with significant PBL experience.</p> <p>Conclusions</p> <p>PBL group function varies over time in 3 different patterns. Classic Tuckman’s stages are apparent among inexperienced groups, or groups facing novel tasks, whereas experienced groups often face abrupt change or plateaus. PBL educators and students should consider the need for novelty and disruption in more experienced groups to incite growth.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0040,000
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,005

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 Opus0,091
Tête enseignante GPT0,363
Écart entre enseignants0,272 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComplex Systems and Decision MakingTravaux en français237 207