MétaCan
Menu
Retour à la cohorte
Enregistrement W2468991477 · doi:10.1097/sih.0000000000000171

Preparation With Web-Based Observational Practice Improves Efficiency of Simulation-Based Mastery Learning

2016· article· en· W2468991477 sur OpenAlexafffund
Jeffrey J. H. Cheung, Jansen Koh, Clare Brett, Darius Bägli, Bill Kapralos, Adam Dubrowski

Notice bibliographique

RevueSimulation in Healthcare The Journal of the Society for Simulation in Healthcare · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of TorontoSickKids FoundationOntario Tech UniversityThe Wilson CentreMemorial University of NewfoundlandNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesHospital for Sick Children
Mots-clésSBMLObservational studyReading (process)Randomized controlled trialComputer scienceDebriefingMultimediaMarkup languageMedical educationMedicineWorld Wide WebSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Our current understanding of what results in effective simulation-based training is restricted to the physical practice and debriefing stages, with little attention paid to the earliest stage: how learners are prepared for these experiences. This study explored the utility of Web-based observational practice (OP) -featuring combinations of reading materials (RMs), OP, and collaboration- to prepare novice medical students for a simulation-based mastery learning (SBML) workshop in central venous catheterization. METHODS: Thirty medical students were randomized into the following 3 groups differing in their preparatory materials for a SBML workshop in central venous catheterization: a control group with RMs only, a group with Web-based groups including individual OP, and collaborative OP (COP) groups in addition to RM. Preparation occurred 1 week before the SBML workshop, followed by a retention test 1-week afterward. The impact on the learning efficiency was measured by time to completion (TTC) of the SBML workshop. Web site preparation behavior data were also collected. RESULTS: Web-based groups demonstrated significantly lower TTC when compared with the RM group, (P = 0.038, d = 0.74). Although no differences were found between any group performances at retention, the COP group spent significantly more time and produced more elaborate answers, than the OP group on an OP activity during preparation. DISCUSSION: When preparing for SBML, Web-based OP is superior to reading materials alone; however, COP may be an important motivational factor to increase learner engagement with instructional materials. Taken together, Web-based preparation and, specifically, OP may be an important consideration in optimizing simulation instructional design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,409
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSimulation in Healthcare The Journal of the Society for Simulation in HealthcareMême sujetSimulation-Based Education in HealthcareTravaux en français237 207