Reflecting on Peer Feedback in Problem-Based Learning: Implementing a Group Function Tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Self-directed peer feedback is integral to the problem-based learning (PBL) process, but poorly scaffolded feedback processes can be inefficient and ineffective and there is little guidance on how students should structure these processes. This study aims to identify implementation considerations for a group function reflection tool and explore group feedback behaviours around the operationalization of the tool. Methods We conducted a qualitative study informed by direct content analysis using the group function reflection tool and conducted semi-structured focus groups in 2024 with 24 medical students and two tutors participating in a PBL curriculum. Students conducted peer feedback using the tool over four weeks, submitted feedback through an online form, and reflected on their experiences in focus groups. We analyzed feedback responses and transcripts in a staged approach, sensitized by three frameworks: the Human Factors Framework, the Task-Gap-Action model of feedback, and Thanks for the Feedback: Appreciation, Coaching, and Evaluation. Results We constructed five themes: 1) appreciative feedback is often under-valued, 2) there is tension between structure and flexibility in the feedback process, 3) the interplay between written and verbal feedback, 4) the density of feedback requires careful optimization, and 5) the tool as a threat to tutors. Discussion Operationalization of the tool exposed tensions around the peer feedback process. The tool reinforced the importance of a self-guided process for peer feedback which also requires prompting. It raised assumptions about the PBL feedback process which should be further studied to better understand peer feedback in broader contexts.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 découle