Innovation and Design of a Web‐Based Pain Education Interprofessional Resource
Notice bibliographique
Résumé
INTRODUCTION: The present article describes educational innovation processes and design of a web-based pain interprofessional resource for prelicensure health science students in universities across Canada. Operationalization of educational theory in design coupled with formative evaluation of design are discussed, along with strategies that support collaborative innovation. METHODS: Educational design was driven by content, theory and evaluation. Pain misbeliefs and teaching points along the continuum from acute to persistent pain were identified. Knowledge-building theory, situated learning, reflection and novel designs for cognitive scaffolding were then employed. Design research principles were incorporated to inform iterative and ongoing design. RESULTS: An authentic patient case was constructed, situated in interprofessional complex care to highlight learning objectives related to pre-operative, postoperative and treatment up to one year, for a surgical cancer patient. Pain mechanisms, assessment and management framed content creation. Knowledge building scaffolds were used, which included video simulations, embedded resources, concurrent feedback, practice-based reflective exercises and commentaries. Scaffolds were refined to specifically support knowledge translation. Illustrative commentaries were designed to explicate pain misbeliefs and best practices. Architecture of the resource was mapped; a multimedia, interactive prototype was created. This pain education resource was developed primarily for individual use, with extensions for interprofessional collective discourse. DISCUSSION: Translation of curricular content scripts into representation maps supported the collaborative design process by establishing a common visual language. The web-based prototype will be formatively and summatively evaluated to assess pedagogic design, knowledge-translation scaffolds, pain knowledge gains, relevance, feasibility and fidelity of this educational innovation.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».