Smart-phone and medical app use amongst Irish medical students: a survey of use and attitudes
Notice bibliographique
Résumé
Studies in the UK and Canada reveal high smart-phone ownership rates with the majority of students viewing these devices as very useful with regards to their clinical education. Worryingly, low awareness basic privacy and security measures appears common amongst medical students. In Ireland, little is known regarding smart-phone app ownership and use. This study sampled Irish undergraduate medical students at a single site. A 31-item questionnaire was developed by the primary researcher following a preliminary literature review and subsequently underwent peer review. The questionnaire was distributed by means of a paper survey. Non-probability convenience sampling was conducted at educational sessions at a single site to students of all years of a medical undergraduate curriculum as per ethics approval. Collected data was analysed using SPSS Statistics 20. The internal consistency of the questionnaire as measured by Cronbach’s alpha was high (α=0.951). The survey response rate was 34.8% (317/909) with 80.8% (256/317) of respondents owning a smart-phone. A greater percentage of preclinical students, 83.4% (151/181) owned smart-phones as compared to older students, of which 77.3% owned such a device (105/29). More clinical students (78.1%) used medical apps as compared to preclinical students (57%). The two most popular brands were Apple and Samsung devices. Of those who owned a smart-phone, 65.6% (168/ 256) reported using medically-related apps. Students used apps predominately to aid their study. While 69.9% (179/256) of respondents trusted the information provided by the medical apps they used, only 42.2% (108/256) verified whether app content was correct. In relation to other learning methods, 38.3% (98/256) said they would prefer to use an app instead of a textbook, 23% (59/256) as compared to a lecture, although 50.8% (130/256) would prefer an app to other online information. High rates of smart-phone ownership and medical app use exist amongst Irish medical students. While the majority of students trust the apps they use, only 42% verified whether the content of the apps they used was correct. Students require greater guidance when using apps as part of their learning. Universities should educate students regarding such use and provide them with recommendations and guidelines of app use as approved by faculty following a peer review process.
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 | 0,002 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».