Objectives: Concept maps are a learning tool that fosters clinical reasoning skills in healthcare education. They can be developed by students in combination with virtual patients to create a visual representation of the clinical reasoning process while solving a case. However, in order to optimize feedback, there is a need to better understand the role of connections between concepts in student-generated maps. Therefore, in this study we investigated whether the quality of these connections is indicative of diagnostic accuracy.
Methods: We analyzed 40 concept maps created by fifth-year medical students in the context of four virtual patients with commonly encountered diagnoses. Half of the maps were created by students who made a correct diagnosis on the first attempt; the other half were created by students who made an error in their first diagnosis. The connections in the maps were rated by two reviewers using a relational scoring system. Analysis of covariance was employed to examine the difference in mean connection scores among groups while controlling for the number of connections.
Results: There were no differences between the groups in the number of concepts or connections in the maps; however, maps made by students who made a correct first diagnosis had higher scores for the quality of connections than those created by students who made an incorrect first diagnosis (12.13 vs 9.09; p=0.03). We also observed students' general reluctance to use connections in their concept maps.
Conclusion: Our results suggest that the quality, not the quantity, of connections in concept maps is indicative of their diagnostic accuracy.
Zielsetzung: Concept Maps sind ein Werkzeug, das die Fähigkeiten zur klinischen Entscheidungsfindung in der Ausbildung in den Gesundheitsberufen fördert. Sie können von Studierenden in Kombination mit virtuellen Patient*innen erstellt werden, um so den klinischen Denkprozess bei der Lösung eines Falles zu visualisieren. Um das Feedback zu optimieren, ist es jedoch notwendig, die Bedeutung der Verbindungen zwischen den Konzepten in den von den Studierenden erstellten Maps besser zu verstehen. Daher haben wir in dieser Studie untersucht, ob die Qualität von Verbindungen ein Indikator für die Diagnosegenauigkeit ist.
Methoden: Wir analysierten 40 Concept Maps, die von Medizinstudierenden im fünften Studienjahr während der Bearbeitung von vier virtuellen Patient*innen mit häufigen Erkrankungen erstellt wurden. Die eine Hälfte der Concept Maps wurde von Studierenden erstellt, die beim ersten Versuch eine korrekte Diagnose stellten, die andere von Studierenden, die bei ihrer ersten Diagnose einen Fehler machten. Die Verbindungen in den Maps wurden von zwei Reviewer*innen auf Basis eines relationalen Punktesystems bewertet. Mithilfe einer Kovarianzanalyse untersuchten wir den Unterschied der Durchschnittsscores für die Verbindungen zwischen den Gruppen unter Kontrollierung der Anzahl der Verbindungen.
Ergebnisse: Es gab keine Unterschiede zwischen den Gruppen bezüglich Anzahl der Konzepte oder Verbindungen in den Maps. Allerdings hatten die Maps der Studierenden, mit korrekter Erstdiagnose, eine höhere Qualität der Verbindungen als die Maps mit falscher Erstdiagnose (12,13 vs. 9,09; p=0,03). Wir beobachteten auch, dass die Studierenden generell wenige Verbindungen in ihren Concept Maps zogen.
Schlussfolgerung: Unsere Ergebnisse deuten darauf hin, dass die Qualität, nicht die Quantität, der Verbindungen in Concept Maps für die Diagnosegenauigkeit ausschlaggebend ist.
Keywords: clinical reasoning; computer-assisted instruction; concept maps; virtual patients.
Copyright © 2023 Kononowicz et al.