Participation in online continuing education
Notice bibliographique
Résumé
OBJECTIVES: The ADAPT (ADapting pharmacists' skills and Approaches to maximize Patients' drug Therapy effectiveness) e-learning programme requires weekly participation in module activities and facilitated discussion to support skill uptake. In this study, we sought to describe the extent and pattern of, satisfaction with and factors affecting participation in the initial programme offering and reasons for withdrawal. METHODS: Mixed methods - convergent parallel approach. Participation was examined in qualitative data from discussion boards, assignments and action plans. Learner estimations of time commitment and action plan submission rates were calculated. Surveys (Likert scale and open-ended questions) included mid-point and final, exit and participation surveys. KEY FINDINGS: Eleven of 86 learners withdrew, most due to time constraints (eight completed an exit survey; seven said they would take ADAPT again). Thirty-five of 75 remaining learners completed a participation survey. Although 50-60% of the remaining 75 learners actively continued participating, only 15/35 respondents felt satisfied with their own participation. Learners spent 3-5 h/week (average) on module activities. Factors challenging participation included difficulty with technology, managing time and group work. Factors facilitating participation included willingness to learn (content of high interest) and supportive work environment. Being informed of programme time scheduling in advance was identified as a way to enhance participation. CONCLUSIONS: This study determined extent of learner participation in an online pharmacist continuing education programme and identified factors influencing participation. Interactions between learners and the online interface, content and with other learners are important considerations for designing online education programmes. Recommendations for programme changes were incorporated following this evaluation to facilitate participation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».