MétaCan
Menu
Retour à la cohorte
Enregistrement W4412034537 · doi:10.5334/pme.1658

Learning-by-Concordance Approach in Health Professions Education: A Scoping Review

2025· review· en· W4412034537 sur OpenAlexaff
Antoine Roche, Ann Alexandra Rodriguez Turcot, Andréanne St-Pierre, Sarah Cherrier, Marie‐Claude Audétat, Bernard Charlin, Joseph-Omer Dyer

Notice bibliographique

RevuePerspectives on Medical Education · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensUniversité du Québec à MontréalUniversité de Montréal
Organismes subventionnairesUniversité de Genève
Mots-clésCINAHLConcordanceComparabilityMedical educationInclusion (mineral)MEDLINEVariety (cybernetics)Health careSystematic reviewMedicineManagement sciencePsychologyComputer sciencePsychological interventionNursingArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Introduction: Learning by concordance (LbC) is an educational approach designed to develop expertise, particularly in the field of clinical reasoning (CR) among healthcare professionals. It is based on the script concordance test (SCT) with the addition of feedback based on expert responses. The objective of this study was to map the scientific literature on this rapidly growing learning approach. Methods: A scoping review was conducted following the Arksey and O'Malley framework and the PRISMA-ScR guidelines. A systematic search was conducted in MEDLINE, Embase, CINAHL, Web of Science and Google Scholar up to March 10, 2025. Eligible primary studies had to focus on the LbC approach targeting healthcare learners. Results: Twenty-eight studies met the inclusion criteria: twenty focused on the implementation of the LbC approach and eight on its development. Most of the studies used mixed methods (quantitative and qualitative). The results mainly indicate that learners perceive the LbC approach as engaging and beneficial for decision-making. The articles mention five elements related to the development of LbC that would contribute to its success. Discussion: The LbC approach could be applicable to a wide range of disciplines and learning levels. The variability in the procedures for developing the approach, as well as the variability of the objectives and methodologies of the studies, limit the comparability of the results. Conclusion: LbC is a promising approach for promoting decision-making skills in a variety of uncertain clinical contexts. The concept of standardized development and evaluation frameworks for this approach could improve its applicability, effectiveness and reproducibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,069
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,367

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0690,184
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0380,036
Études des sciences et des technologies0,0030,005
Communication savante0,0080,011
Science ouverte0,0040,006
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,042
Tête enseignante GPT0,495
Écart entre enseignants0,453 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207