Estudo de caso único adaptado (ASCD)
Um modelo para educação, treinamento e avaliação
DOI:
https://doi.org/10.15448/1980-6108.2022.1.42370Palavras-chave:
estudo de caso, estudo adaptativo de caso único, aprendizado, inovação pedagógicaResumo
Objetivos: estudos de caso único podem nos ajudar a entender a mudança nas variáveis relacionadas ao aprendizado, como conhecimento e habilidade, no nível de um aluno individual, no nível de uma equipe ou grupo de alunos, ou no nível de uma situação ou sistema. O Estudo adaptativo de caso único (ASCD) é um novo modelo que integra (i.) elementos de métodos de educação, treinamento e avaliação que, por meio de métodos de pesquisa que não sejam estudos de caso único, receberam evidências empíricas sólidas na literatura de pesquisa e (ii.) princípios de estudos de caso único, que podem facilitar a integração da pesquisa na prática cotidiana. A lógica por trás do ASCD é permitir a rápida tomada de decisão baseada em evidências na prática da educação, treinamento e avaliação, na unidade de análise – individual, grupo, equipe, situação ou sistema – que é considerada apropriada no contexto em questão.
Método: um algoritmo ASCD é introduzido e discutido no contexto de mudança no nível do indivíduo, mudança em um grupo ou equipe e mudança em uma situação ou sistema.
Resultados: o ASCD pode ser usado para entender a mudança em cada uma das unidades de análise mencionadas anteriormente em qualquer número de unidades, incluindo uma única unidade (um indivíduo, uma equipe ou uma situação ou sistema), e para fins de pesquisa.
Conclusão: o ASCD permite a a pesquisa e a tomada de decisão prática baseada em evidências, sem demandas rigorosas sobre o número de alunos, grupos, equipes, situações ou sistemas.
Downloads
Referências
Nickson CP, Petrosoniak A, Barwick S, Brazil V. Translational simulation: from description to action. Adv Simul. 2021;6(6). https://doi.org/10.1186/s41077-021-00160-6
Van de Schoot R, Miocevic M. Small sample size solutions: a guide for applied researchers and practitioners [Internet]. New York: Routledge; 2020 [cited 2021 Dec 2]. Available from: https://library.oapen.org/handle/20.500.12657/22385
Leppink J. Small numbers are an opportunity, not a problem. Sci Med. 2021;31(1): e40128. https://doi.org/10.15448/1980-6108.2021.1.40128
Pinheiro J, Bates D, DebRoy S, Sarkar D, Team RC. nlme: linear and nonlinear mixed effects models, R Project: 2021; version 3.1-152 [Internet]. [cited 2021 Dec 2]. Available from: https://cran.r-project.org/web/packages/nlme/nlme.pdf
R Core Team. R: a language and environment for statistical computing. R Project: 2021; version 4.0.5 [Internet]. [cited 2021 Dec 2]. Available from: https://www.r-project.org
Leppink J. Assessment of individual competence: a sequential mixed model. Sci Med. 2021;31(1): e41736. https://doi.org/10.15448/1980-6108.2021.1.41736
Brazil V. Translational simulation: not ‘where?’ but ‘why?’ A functional view of in situ simulation. Adv Simul. 2017;2:20. https://doi.org/10.1186/s41077-017-0052-3
Leppink J, Van den Heuvel A. The evolution of cognitive load theory and its application to medical education. Perspect Med Educ. 2015;4(3):119-27. https://doi.org/10.1007/s40037-015-0192-x
Frerejean J, Van Merriënboer JJG, Kirschner PA, Roex A, Aertgeerts B, Marcellis M. Designing instruction for complex learning: 4C/ID in higher education. Eur J Educ. 2019;54(4):513-24. https://doi.org/10.1111/ejed.12363
Roussin CJ, Weinstock P. SimZones: an organizational innovation for simulation programs and centers. Acad Med. 2017;92(8):1114-20. https://doi.org/10.1097/ACM.0000000000001746
Bjork RA, Dunlosky J, Kornell N. Self-regulated learning: beliefs, techniques, and illusions. Ann Rev Psych. 2013;64:417-44. https://doi.org/10.1146/annurev-psych-113011-143823
Cheng A, Eppich W, Epps C, Kolbe M, Meguerdichian M, Grant V. Embracing informed learner self-assessment during debriefing: the art of plus-delta. Adv Sim. 2021;6:22. https://doi.org/10.1186/s41077-021-00173-1
Rudolph JW, Simon R, Raemer DB, Eppich WJ. Debriefing as formative assessment: closing performance gaps in medical education. Acad Emerg Med. 2008;15(11):1010-6. https://doi.org/10.1111/j.1553-2712.2008.00248.x
Schuwirth LWT, Van der Vleuten CPM. Programmatic assessment: from assessment of learning to assessment for learning. Med Teach .2011;33(6):478-85. https://doi.org/10.3109/0142159X.2011.565828
Leppink J. The art of modelling the learning process: uniting educational research and practice. Cham: Springer; 2020. https://doi.org/10.1007/978-3-030-43082-5
Leppink J. Article numbers as a leading indicator of publication time. Sci Med. 2021;31(1):e41065. https://doi.org/10.15448/1980-6108.2021.1.41065
Leppink J, Maestre JM, Rojo E, Del Moral I. Simulation and practice: a repeated measurements perspective. Rev Esp Educ Med [Internet]. 2021 [cited 2021 Dec 2];2(2). Available from: https://doi.org/10.6018/edumed.487211
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Scientia Medica

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Direitos Autorais
A submissão de originais para a Scientia Medica implica na transferência, pelos autores, dos direitos de publicação. Os direitos autorais para os artigos publicados nesta revista são do autor, com direitos da revista sobre a primeira publicação. Os autores somente poderão utilizar os mesmos resultados em outras publicações indicando claramente a Scientia Medica como o meio da publicação original.
Licença Creative Commons
Exceto onde especificado diferentemente, aplicam-se à matéria publicada neste periódico os termos de uma licença Creative Commons Atribuição 4.0 Internacional, que permite o uso irrestrito, a distribuição e a reprodução em qualquer meio desde que a publicação original seja corretamente citada.