MétaCan
Menu
Retour à la cohorte
Enregistrement W1907836467 · doi:10.1002/j.0022-0337.2014.78.8.tb05788.x

Assessment of a Novel Module for Training Dental Students in Child Abuse Recognition and Reporting

2014· article· en· W1907836467 sur OpenAlexaff
Michael C. Shapiro, O. Roger Anderson, Shantanu Lal

Notice bibliographique

RevueJournal of Dental Education · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensColumbia College
Organismes subventionnairesnon disponible
Mots-clésPresentation (obstetrics)NeglectClass (philosophy)Medical educationPsychologyMedicineComputer sciencePsychiatryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study assessed the merits of introducing a novel, online interactive training module designed to positively engage dental students and teach them to recognize and report signs of child abuse and neglect. The study aimed to determine if the online training module educated the students equivalently or better than a lecture presentation of the same content. Seventy-two students from Columbia University College of Dental Medicine's class of 2015 (90 percent of the class) agreed to participate and were randomly assigned to either a traditional lecture-based presentation or the online training module. Study participants were given a twenty-question multiple-choice pretest on their knowledge of child abuse recognition and reporting prior to the start of the study. The same instrument was administered as a posttest. At the end of the training, questionnaires were also given to both groups to assess students' perceptions of the two educational methodologies. The results showed that the interactive online training module was more effective than the lecture-based method. Results of the posttest comparison of the two groups were statistically significant (p<0.05) in favor of the online training group. Additionally, the students reported that the interactive online training module was engaging and a helpful resource, but on average they did not prefer it as a total replacement for the lecture-based approach.

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)0,009
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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,081
Tête enseignante GPT0,420
Écart entre enseignants0,338 · 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

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dental EducationMême sujetChild Abuse and TraumaTravaux en français237 207