Knowledge transfer principles as applied to sport concussion education
Notice bibliographique
Résumé
OBJECTIVE: To (a) examine knowledge transfer literature and optimal learning needs as applied to healthcare professionals, coaches and student athletes; (b) apply the practice of knowledge transfer to sport concussion education resources; and (c) identify needs and make recommendations for optimising concussion education. DESIGN: Qualitative literature review of knowledge transfer and concussion education literature. INTERVENTION: Pubmed, Medline, Psych Info and Sport Discus databases were reviewed. 52 journal articles, 20 websites and 2 books were reviewed. RESULTS: The methods in which individuals experience optimal learning varies and should be considered when developing effective concussion education strategies. Physician knowledge and performance are impacted by education outreach, interaction and reminder messages. Educational strategies associated with optimal learning for physio and athletic therapists include problem and evidence-based practice, socialisation and peer-assisted learning. From a coaching perspective, research supports the reflective process as a learning modality. Student athletes have strengths and weaknesses in different areas and so perform differently on activities requiring distinct strategies. Knowing the impact of sport concussion resources on knowledge enhancement and modifying attitudes and behaviours toward concussion requires evaluation strategies. Review of concussion resources using the perspective of knowledge transfer and methods for improvement is discussed. CONCLUSIONS: Knowledge transfer is a relatively new concept in sports medicine and its influence on enhancing concussion education is not well known. The needs and optimal learning styles of target audiences coupled with evaluation need to be a piece of the overall concussion education puzzle to effectively impact knowledge of and attitudes and behaviours towards sport concussion.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».