The effects of an eLearning module “Elderly people in safe hands” for healthcare professionals to challenge elder abuse: a mixed method study
Notice bibliographique
Résumé
One out of twenty elderly people in the Netherlands is being abused. It is important that healthcare professionals are capable of recognizing elder abuse. Therefore, the Dutch Ministry of Health, Welfare and Sport introduced an action programme to challenge elder abuse. Part of this programme was the eLearning module ‘Elderly people in safe hands’ for health care professionals. The aim of this study was to investigate the results of this eLearning module and to determine the factors which make healthcare professionals motivated to participate in web-based education. Mixed methods were used to obtain insight into the effects of the module. The test results of a pre-test and a post-test were compared. Also, a Self-Efficacy Scale was used to find out whether the course members felt capable of dealing with elder abuse, to determine the effect of the module on people’s self-efficacy in dealing with the abuse of elderly people. The results of this study show a positive effect of the module on the knowledge of the healthcare professionals. Furthermore, the module has a positive effect on the course members' estimation of their efficacy in dealing with the abuse of elderly people after having finished the module. These findings were confirmed in telephone interviews with course members. Telephone interviews were also held with three healthcare organizations to determine the factors which motivate healthcare professionals to participate in web-based education. A short period of time to complete the module in combination with a good guidance from the organization were considered important factors.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».