Videoconferencing for practice-based small-group continuing medical education: Feasibility, acceptability, effectiveness, and cost
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Small-group, practice-based learning is an effective and well-accepted method of continuing medical education (CME). However, one limitation is that many physicians work in communities with fewer than the minimum number recommended for an effective learning group. Videoconferencing has the potential to remove this limitation. The purpose of this study was to evaluate the feasibility, acceptability, effectiveness, and cost of conducting practice-based, small-group CME learning by videoconference. METHODS: Through a videoconferencing link, 10 learners in three communities were guided through four practice-based learning modules by a trained facilitator at a fourth site. Data were collected through evaluation questionnaires, direct observation by the research team, pre- and post-knowledge tests, a focus group, and an interview. RESULTS: A total of 31 learners participated in the four modules. Videoconferencing was generally well accepted by learners. The facilitator and research team observers noted that muting microphones, video quality, audio quality, and audio lag all somewhat hindered discussion. Overall, the facilitator found moderating by videoconference only slightly more difficult than a face-to-face session. There was evidence of knowledge gain, with post-test scores being 20% higher than pretest scores (p = .006). Learners reported nine practice changes from taking the modules. At commercial rates, telecommunications costs per videoconferenced module were approximately CAN$1,200. DISCUSSION: Videoconferencing has the potential to bring the benefits of small-group, practice-based learning to many physicians; however, strict attention to videoconferencing techniques is required. Cost is also an important consideration.
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.
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 | 0,014 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle