Remotely Versus Locally Facilitated Simulation-based Training in Management of the Deteriorating Patient by Newly Graduated Health Professionals
Notice bibliographique
Résumé
INTRODUCTION: This study evaluated delivery of immersive simulation-based training (SBT) by distance education. Newly graduated health professionals' experience of and learning outcomes from videoconference-enabled remotely facilitated (RF) were prospectively compared with a locally facilitated (LF) format within a course addressing management of the deteriorating patient. METHODS: Participants were exposed to both RF and LF formats in an intervention course (IC). The primary outcome measure was a questionnaire detailing participants' experience of 1 RF scenario and 1 LF scenario. The 16-item questionnaire measured perceived learning, comfort, interaction with other learners and instructor, as well as quality of instruction, factors that are considered essential in both SBT and distance education. As a secondary outcome measure, learning outcomes, measured as precourse and postcourse scores and pass rates in multiple-choice question tests, were also measured and compared with those of participants completing control courses, in which only the LF format was used. RESULTS: The study was conducted between April 2013 and April 2014. Among the 155 participants who participated in ICs, questionnaire results revealed a small, significantly higher median total score (25-75 interquartile range) for LF versus RF format scenarios [78 (72-80) vs. 76 (68-80), P = 0.01]. Multiple-choice question test scores compared between 155 IC and 150 control course participants showed no significant differences. CONCLUSIONS: Participants' experience of SBT using the RF format was slightly less positive than the LF format; however, it had no measured impact on knowledge. The impact of RF-SBT on more complex training applications remains poorly understood. Instructors could potentially optimize learner comfort and engagement by improving their interactive 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».