Students' Perceptions of and Experiences With Educational Technology: A Survey
Notice bibliographique
Résumé
BACKGROUND: It is generally assumed that incoming students in medical education programs will be better equipped for the "digital age" given their younger age and an educational upbringing in which technology was seemingly omnipresent. In particular, many assume that today's medical students are more likely to hold positive attitudes and increased comfortability with technology and possess greater information technology (IT) skills. OBJECTIVE: The purpose of this study was to compare responses of incoming veterinary medical students to a series of IT-related questions contained in a common questionnaire over the course of a 10-year period (2005-2015) to discern whether students' attitudes have improved and uses and comfortability with technology have increased as anticipated. METHODS: A survey measuring attitudes and preferences, computing experience, and technology ownership was administered each year for the past 10 years to incoming veterinary medical students at a large veterinary school in the United States. Students' responses to survey items were compared at 3 data points (2005, 2010, and 2015). RESULTS: Today's incoming veterinary medical students tend to indicate the same desire to improve skills using spreadsheets and web page design as incoming students from 10 years ago. It seems that despite technological advances and increased exposure to such applications and skills, there remains a challenge for students to "keep up" with the ever evolving technology. Moreover, although students continue to report they are very comfortable with using a computer (and related devices), many use their computers as typewriters or word processors, as opposed to a means for performing more advanced computing functions. CONCLUSIONS: In general, today's medical students are not expert computer users as many assume. Despite an upbringing in a digitized world, many students still lack many basic computing skills.
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 | 0,005 |
| 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 | 0,001 | 0,000 |
| 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 ».