Learning-by-Concordance Approach in Health Professions Education: A Scoping Review
Notice bibliographique
Résumé
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 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 | 0,002 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».