MétaCan
Menu
Retour à la cohorte
Enregistrement W1525698405 · doi:10.1093/pch/19.6.e35-159

163: Evaluation of an eLearning Module for an Effective Well-Baby Visit Using the Rourke Baby Record

2014· article· en· W1525698405 sur OpenAlexaffabout
Leslie Rourke, S.E. Hann, Anne Drover, David Stokes, Jacinta I. Reddigan, Katrin Zipperlen

Notice bibliographique

RevuePaediatrics & Child Health · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueUsability and User Interface Design
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

With the emerging evidence that early childhood development and experiences affect not only learning, but also lifelong physical, mental and emotional health, it is important that medical students learn to conduct effective comprehensive well-baby/well-child visits. The Rourke Baby Record (RBR) is a Canadian evidence-based validated system for well-baby/well-child care from one week to five years of age. E-Learning has gained popularity as a new approach to medical education. To assess medical student knowledge of well-baby care and the RBR before and after completing an eLearning module of a six month well-baby visit of a healthy infant. To obtain student feedback regarding the module content, clinical applicability, and web delivery. Module development began with a medical student summer research award, enabling a student vision for the module format, and involved an instructional design specialist in addition to family physician and paediatric faculty. Participants were medical students from two stages of training: preclinical second year (Y2) and third year clerkship (Y3). The data was analyzed for: 1) knowledge gains using a pre/post test of 10 MCQs; 2) module satisfaction using a questionnaire. Most survey questions used a 5-point Likert scale with results grouped into three categories: agree (strongly agree or agree), neutral, or disagree (disagree or strongly disagree). The 121 student participants comprised 96% of the two medical school classes. Both Y2 and Y3 students had a significant increase in their post test scores (P<0.001). For most MCQs, the Y3 students scored slightly higher. Module completion time averaged 90 minutes (range 20 min to 3 h). The extensive involvement of a medical student and an instructional design specialist resulted in a creative, visually appealing module. On average, 90.9% of students answered satisfaction survey questions positively. The majority of students indicated the module should be part of the curriculum, significantly more by Y3 students (78.8% of Y2; 98.0% of Y3 students, P=0.030). More Y3 than Y2 students felt the module enhanced their knowledge (P=0.016) and provided learning applicable to patient care (P=0.022). Suggestions for improvement were largely focused on web delivery and test questions. This eLearning module was an effective tool to teach medical students how to conduct a six month well-baby visit. The module was popular with students; suggestions for improvement were minor. A second module of an 18 month well-child visit is currently under development.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,332
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetUsability and User Interface DesignTravaux en français237 207