Informing Web-Based Communication Curricula in Veterinary Education: A Systematic Review of Web-Based Methods Used for Teaching and Assessing Clinical Communication in Medical Education
Notice bibliographique
Résumé
We determined the Web-based configurations that are applied to teach medical and veterinary communication skills, evaluated their effectiveness, and suggested future educational directions for Web-based communication teaching in veterinary education. We performed a systematic search of CAB Abstracts, MEDLINE, Scopus, and ERIC limited to articles published in English between 2000 and 2012. The review focused on medical or veterinary undergraduate to clinical- or residency-level students. We selected studies for which the study population was randomized to the Web-based learning (WBL) intervention with a post-test comparison with another WBL or non-WBL method and that reported at least one empirical outcome. Two independent reviewers completed relevancy screening, data extraction, and synthesis of results using Kirkpatrick and Kirkpatrick's framework. The search retrieved 1,583 articles, and 10 met the final inclusion criteria. We identified no published articles on Web based communication platforms in veterinary medicine; however, publications summarized from human medicine demonstrated that WBL provides a potentially reliable and valid approach for teaching and assessing communication skills. Student feedback on the use of virtual patients for teaching clinical communication skills has been positive,though evidence has suggested that practice with virtual patients prompted lower relation-building responses.Empirical outcomes indicate that WBL is a viable method for expanding the approach to teaching history taking and possibly to additional tasks of the veterinary medical interview.
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 | 0,036 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».