Problem-Based Learning in Speech-Language Pathology Programs: A Scoping Review
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
Purpose: Problem-based learning (PBL) promotes student-centered, active learning and has been applied in many health disciplines, including speech-language pathology (SLP). There is some SLP literature outlining how PBL has been applied and its components, however, how PBL is applied across SLP programs worldwide is yet to be explored. We therefore sought to answer the question, how do SLP programs apply PBL and what are the associated student outcomes? Methods: Five databases were searched, as well as searching the grey literature for relevant articles. Covidence was used to de-duplicate, collate, and review articles. SLP program, study, PBL application, and student outcome data was extracted and synthesized. Results: Thirty articles were included. PBL was applied in undergraduate and graduate SLP programs, typically using a hybrid model with most articles published in the United States, China, and Australia. Key components of PBL included group learning, a realistic clinical case, and a facilitator. Positive aspects (e.g., motivation, communication and reasoning skills, retention of information), as well as negative aspects of PBL were identified (e.g., time needed for preparation, student stress). Conclusions: PBL is applied in various ways in SLP training, with a variety of strengths, challenges, and delivery methods identified in the literature. Overall, PBL has established utility in SLP programs, and research is warranted to further investigate PBL components such as outcomes, modes of delivery, case development, and facilitator training.
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 | 0,030 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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