Ensayo: El aprendizaje basado en problemas para la intervención de la Enfermería con la persona adulta mayor
Bibliographic record
Abstract
El aprendizaje basado en problemas se origina en universidades como Case Western Reserve, en los Estados Unidos, la Universidad de McMaster, en Canadá, de modo que otros centros universitarios en el mundo lo han integrado como metodología de enseñanza y aprendizaje en diversas áreas del conocimiento y en distintas carreras. Por lo anterior, la Universidad de Costa Rica, a través del Departamento de Docencia Universitaria, elaboró el curso “Aprendizaje Basado en Problemas” dirigido a las y los profesores con el fin de desarrollar competencias docentes para su utilización. Luego de haber participado en dicho curso, nace la inquietud de realizar el presente ensayo para reflexionar sobre el ABP y su aplicación como técnica didáctica en el Módulo Intervención de Enfermería con la Adultez Mayor, la cual pertenece a la carrera de Enfermería de la Universidad de Costa Rica. El ABP es una estrategia de enseñanza – aprendizaje en la que la adquisición del conocimiento y el desarrollo de habilidades y actitudes tienen la misma importancia debido que buscan facilitar la formación del estudiante y desarrollar un razonamiento y el juicio crítico que le permitan enfrentarse a los desafíos de la vida profesional, todos aspectos relevantes que se contemplan en el módulo.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".