XXI–XXVI QUARTERLY Review Problem-based learning �
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
Problem-based learning has been used in medical school in a number of different countries around the world for over 50 years, with both undergraduate and graduate students. Instead of the traditional lectures, laboratory practical classes and tutorial system of education, students in small groups are presented with a problem that they must try to solve. They are assisted by a ‘facilitator ’ who helps them formulate the problem and generally advises them but does not supply information. The students have to decide what information they need to solve the problem, find it and communicate it to the others in the group. At this stage a solution may be apparent, but several more group discussions to reformulate the problem followed by re-iterations of the information seeking process may be needed before a solution can be found. The theory is that because information is sought and presented in a relevant context, it is valued and is more likely to be remembered. At the end of the session student reflect on how they performed. Problem-based learning has been criticised from a number of points of view, especially that it does not present a coherent curriculum, the curriculum is not necessarily ‘covered’, and that in many medical schools the implementation has been less than optimal. For over 50 years problem-based learning (PBL) has been a method of education, mainly in medical schools in Canada and U.S.A (Boud & Feletti, 1997). Instead of following a set curriculum with lectures and other classes, students are presented with a problem and work in small groups with a ‘facilitator’. They try to formulate the problem in terms they can understand, decide what information they need to solve it, find the infor-� th
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 0,001 |
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.
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