Evaluating the outcomes of problem-based learning in postgraduate medical education: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Educators have recently been compelled to incorporate more active instructional formats into medical education, such as problem-based learning (PBL). In view of the mixed outcome data on the use of PBL in postgraduate medical education (PGME), there is a need to synthesize the data to inform the application of PBL in PGME contexts. Objective: The aim of this systematic review and meta-analysis was to synthesize learning outcomes of PBL in PGME contexts. Methods: The authors systematically searched MEDLINE, Embase, APA PsycINFO, AMED, CINAHL, Web of Science, ERIC, and Cochrane databases from January 1, 1950, to July 1, 2022 for original studies that reported Kirkpatrick outcomes of PBL in PGME contexts. Outcomes data were extracted. Quantitative data relating to learning outcomes were meta-analyzed using a random-effects model to generate weighted mean differences. Results: Of 4310 abstracts screened, the authors included 21 studies encompassing anesthesia, family medicine, internal medicine, occupational medicine, pediatrics, psychiatry, public health and surgical residency programs. The studies reported reaction (n = 12), learning (n = 15), behavioural (n = 6) and/or results outcomes (n = 4). Meta-analysis of the three eligible articles demonstrated no significant difference after PBL in pre- and post-test results (pooled mean difference=0.13%, 95% CI, -6.74–7.00). There were observed improvements in satisfaction levels and self-reported behavioural outcomes following PBL. Conclusions: Although similar learning outcomes were observed using PBL and the usual teaching in PGME, PBL was associated with benefits in trainee satisfaction and behavioural changes that contribute to learning and performance. PGME programs should consider incorporating PBL into curricula.
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 | 0,036 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,048 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».