Examining perception and actual knowledge change among learners in a standardized burn course
Notice bibliographique
Résumé
BACKGROUND: Essential Burn Management (EBM) is a burn training program created for East Africa and aims to meet the needs of low- and middle-income countries. The authors present a report on objective testing of change in knowledge, with pre and post tests, and comparison of this testing with the self perception of knowledge gained to explore course utility. OBJECTIVE: To evaluate the ability of EBM to improve knowledge in burn care among course participants; and to explore whether participants' self-perception of knowledge gained is comparable with their actual change in knowledge. METHODS: Twenty health care providers from a variety of disciplines participated in EBM and completed the pre and post course burn care knowledge test. Participants also self-rated knowledge in burn care both pre and post course. All tests and self-rated assessments were anonymous and consent was obtained. Paired t tests were conducted on pre and post test scores. Improvements in pre-post scores according to module or topic area were examined to determine the proportion correct, and then analyzed using Wilcoxon signed-rank tests. Module scores pre-post course were compared with individuals' self-rating of knowledge both before and after the course for that particular module. RESULTS: Pre-post course tests reflected an increase in knowledge. An increase in self-rated knowledge was matched with a significant increase in module test scores for primary survey, burn resuscitation, wound management, infection control and electrical injury, but not inhalation injury and compartment syndrome modules. CONCLUSION: Findings support a combination of self-report and objective pre-post testing to evaluate courses designed to teach burn management.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».