Differences in Pre-licensure Interprofessional Learning: Classroom Versus Practice Settings
Notice bibliographique
Résumé
AbstractBackground: Health Canada and Cochrane reviews indicate a need for rigorous outcome testing following interprofessional learning, particularly in practice settings. This led to research questioning whether knowledge, attitudes, perceptions, values, and skills regarding collaborative patient care improve after interprofessional learning in classroom and practice settings based on the degree of exposure to interprofessional learning compared to a control group.Methods and Findings: Pre-licensure students from seven health-profession programs were assigned to three groups: Control (no intervention), Education (classroom-based interprofessional learning), and Full-Participant (classroom-based and practice-based interprofessional learning). They were later surveyed to assess outcomes. Immersion at an interprofessional practice setting had a greater impact on scores than classroom-based interprofessional education. Both interventions significantly improved attitudes, perceptions, knowledge, and skills related to interprofessional collaboration. Only immersion improved the perceived importance of sharing leadership. Changes after the education intervention persisted at five-month follow-up.Conclusions: Interprofessional learning in classroom and practice settings positively impacted participants' knowledge, attitudes, perceptions and values, and skills regarding interprofessional teamwork. Use of a longitudinal study with a control group provided evidence that pre-licensure interprofessional learning would increase awareness of the need to collaborate. Findings encourage longerterm study of how interprofessional learning in various settings could improve how future practitioners approach patient care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».