Online interprofessional health sciences education: From theory to practice
Notice bibliographique
Résumé
Online learning (e-learning) has a nascent but established history. Its application to interprofessional education (IPE), however, is relatively new. Over the past 2 decades the Internet has been used increasingly to mediate education. We have come past the point of "should we use the Internet for education" to "how should we use the Internet for education." Research has begun on the optimal development of online learning environments to support IPE. Developing online IPE should follow best practices in e-learning generally, though there are some special considerations for acknowledging the interprofessional context and clinical environments that online IPE is designed to support. The design, development, and deployment of effective online IPE must therefore pay special attention to the particular constraints of the health care worker educational matrix, both pre- and postlicensure. In this article we outline the design of online, interprofessional health sciences education. Our work has involved 4 educational and 4 clinical service institutions. We establish the context in which we situate our development activities that created learning modules designed to support IPE and its transfer into new interprofessional health care practices. We illustrate some best practices for the design of effective online IPE, and show how this design can create effective learning for IPE. Challenges exist regarding the full implementation of interprofessional clinical practice that are beginning to be met by coordinated efforts of multiple health care education silos.
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 | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; 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 ».