Integration von Peer-Assisted Learning (PAL) in einem simulationsbasierten Notfall-Dystokie-Modul für Studierende der Veterinärmedizin im letzten Ausbildungsjahr
Bibliographic record
Abstract
Zusammenfassung Aufgrund des Mangels an Lehrkräften, des Zeitdrucks und der Unvorhersehbarkeit von Notfällen ist die Lehre im Bereich tiermedizinischer Notfallversorgung mit einer Reihe von Herausforderungen verbunden. Am Fachbereich Veterinärmedizin der Freien Universität SBerlin wurde ein neues simulationsbasiertes Modul zur tiermedizinischen Notfallversorgung ( emergency veterinary care, EVC) eingeführt. Bei dem Modul handelte es sich um eine Pflichtveranstaltung für alle Studierenden im letzten Studienjahr (n = 155). Es bestand aus einer 5-stündigen Online-Workshop-Reihe zu kommunikativen Fähigkeiten, einer Reihe interaktiver, virtueller Notfälle und einer einwöchigen Blockveranstaltung, in der die praktischen Fertigkeiten an verschiedenen simulationsbasierten Lernstationen vermittelt wurden. An zwei Lernstationen wurde ein Peer-Assisted-Learning (PAL)-Ansatz mit „student coaches“ aus derselben Kohorte ( same level) erprobt. Sechzehn Studierende meldeten sich freiwillig, um als „student coaches“ für ihre Kommilitonen zu fungieren. Die Coaches erhielten eine spezielle Schulung und unterrichteten jeweils sechs Gruppen von 3 - 4 Studierenden in einem Thema ihrer Wahl. Bewertungsbögen wurden mit einer Rücklaufquote von 100% bzw. 89,7% von den Coaches und den teilnehmenden Studierenden ausgefüllt,. Die meisten Coaches fühlten sich gut vorbereitet und fühlten sich in ihrer Rolle als Coach wohl. Sie gaben ein außergewöhnlich hohes Maß an Motivation an und fühlten sich während der Übung nützlich und kompetent. Die teilnehmenden Studierenden erwiderten diese Meinung und genossen insbesondere den Spaß und die positive Lernumgebung, die die Coaches zu schaffen vermochten. Aus den Antworten in den Evaluierungsbögen ging auch hervor, dass das Verhältnis von Dozierenden (1:3:9-12) für die Übung gut geeignet war. Gegenseitiges same-level PAL erweist sich als vielversprechendes und effektives Lehrmittel für Studierende der Veterinärmedizin im letzten Studienjahr. This translation was provided by the authors. To view the original article visit: https://doi.org/10.3138/jvme-2022-0038
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".