El aprendizaje de habilidades de comunicación básicas en fisioterapia: una propuesta formativa utilizando el video y el paciente simulado instructor
Bibliographic record
Abstract
Després de detectar en els alumnes de Fisioteràpia, de la Facultat de Medicina i Ciències de la Salut de la Universitat Rovira i Virgili, un dèficit formatiu en habilitats de comunicació (HC) per la realització de l’entrevista clínica, es proposa una acció per solucionar el problema. El mètode d’investigació es mixt, es basa en el mètode d’investigació-acció (I-A) i el paradigma es qualitatiu. La mostra està formada pels alumnes de l’últim curs de Fisioteràpia de cada curs acadèmic. La investigació transcorre des del curs 2007-08 fins el 2012-13. En el Cicle I es fa el diagnòstic de la situació, es distribueixen els alumnes aleatòriament i s’aplica la Proposta formativa (PF) I. El alumnes del Grup d’intervenció (GI) i control (GC) realitzen mètodes d’aprenentatge combinat diferents. Els del GI varen fer: 2 seminaris, 6 E-activitats, 3 entrevistes a pacients simulats estandarditzats (PSE), visualització dels enregistraments de les entrevistes i obtenció de retroacció. Els del GC: 4 classes magistrals, 3 E-activitats, 1 entrevista a 1 PSE, l’observació de l’enregistrament i la retroacció. En el Cicle II, s’aplica la PF II i es defineix la PF final. En aquest cicle, el GI va incorporar les següents modificacions: 3 seminaris (anàlisi de vídeo clips i role-play), 3 E-activitats (treball de les HC no verbals), la retroacció del tercer PSE i l’ús de la Guia Calgary Cambridge per facilitar el procés de retroacció després de veure els enregistraments de les entrevistes. En el GC sols va disminuir el nombre de classes magistrals. Finalment els alumnes del GI van millorar en: la seguretat per fer les entrevistes, la percepció de les HC assolides i en els puntuacions de l’Escala MAPE 2 i del Qüestionari CICAA. El mètode millor valorat pels alumnes del GI va estar l’entrevista al PSE i el pitjor el role-play.
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 | 0.007 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.032 | 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".