A Mixed Learning Technology Approach for Continuing Medical Education
Notice bibliographique
Résumé
INTRODUCTION: Distance learning technologies have been used for many years to provide CME to rural physicians. The purpose of this study was to evaluate the utility and acceptability of a mixed learning technology approach for providing distance CME. The approach combined audio teleconferencing instruction with a Web-based learning system enabling the live presentation and archiving of instructional material and media, asynchronous computer conferencing discussions, and access to supplemental online learning resources. METHODOLOGY: The study population was comprised of physicians and nurse practitioners who participated in audio teleconference sessions, but did not access the Web-based learning system (nonusers); learners who participated in audio teleconferences and accessed the Web-based system (online users); and faculty. The evaluation focused upon faculty and learners' experiences and perceptions of the mixed learning technology approach; the level of usage; and the effectiveness of the approach in fostering non-mandatory, computer-mediated discussions. RESULTS AND DISCUSSION: The users of the Web-based learning system were satisfied with its features, ease of use, and the ability to access online CME instructional material. Learners who accessed the system reported a higher level of computer skill and comfort than those who did not, and the majority of these users accessed the system at times other than the live audio teleconference sessions. The greatest use of the system appeared to be for self-directed learning. The success of a mixed learning technology approach is dependent on Internet connectivity and computer access; learners and faculty having time to access and use the Web; comfort with computers; and faculty development in the area of Web-based teaching.
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 | 0,002 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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; un appel candidat d’une seule tête enseignante, 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 ».