Assessment of metacognition levels: A cross-sectional study among dental professionals in Pakistan
Notice bibliographique
Résumé
Background: Metacognition plays a pivotal role in learning, particularly in dentistry, enabling individuals to effectively manage their cognitive processes and identify areas for improvement. Objective: To evaluate the degree of metacognition among dental professionals at various phases of their careers. Methods: A cross-sectional study was conducted, using a non-probability sampling technique in private dental hospitals of Lahore from April to June 2024. A total of 320 dental professionals consented to participate. Data collection involved a semi-structured questionnaire and the Metacognitive Assessment Inventory (MAI), comprising two overarching domains – knowledge about cognition and regulation of cognition, each with three and five subdomains, respectively. Data were analysed using SPSS version 25. Descriptive statistics were computed, and one-way ANOVA and post hoc analysis were used to evaluate group differences. A p-value of <0.05 was considered statistically significant. Results: Consultants demonstrated significantly higher total cognitive knowledge scores than house officers (16.4 versus 8.5, respectively). This trend extended across subdomains, including procedural, conditional, and declarative knowledge. Similarly, consultants outperformed other participants in cognitive regulation (32.9 versus 17.6, respectively), particularly in planning and evaluation. Subdomains such as information management, communication, and debugging strategies were significantly higher in consultants than in graduate dentists, house officers, and postgraduates. General dentists had the highest cognition score among all the others (p<0.05). Conclusion: The metacognition level of consultants and general dentists was highest among dental professionals. It underscores the importance of fostering self-learning among dental professionals, particularly through developing their metacognitive abilities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».