Digital literacy knowledge and needs of pharmacy staff: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To explore the digital literacy knowledge and needs of pharmacy staff including pharmacists, graduate (pre-registration) pharmacists, pharmacy technicians, dispensing assistants and medicine counter assistants. METHODS: A systematic review was conducted following a pre-published protocol. Two reviewers systematically performed the reproducible search, followed by independent screening of titles/abstracts then full papers, before critical appraisal and data extraction. Full articles matching the search terms were eligible for inclusion. Exclusions were recorded with reasons. Kirkpatrick's 4 level model of training evaluation (reaction, learning, behaviour and results) was applied as an analytical framework. RESULTS: Screening reduced the initial 86 papers to 5 for full review. Settings included hospital and community pharmacy plus education in Australia, Canada and the US. No studies of pharmacy staff other than pharmacists were identified. Main findings indicate that pharmacy staff lack digital literacy knowledge with minimal research evidenced at each level of Kirkpatrick's model. CONCLUSIONS: As a society, we acknowledge that technology is an important part of everyday life impacting on the efficiency and effectiveness of working practices but, in pharmacy, do we take cognisance, 'that technology can change the nature of work faster than people can change their skills'? It seems that pharmacy has embraced technology without recognised occupational standards, definition of baseline skills or related personal development plans. There is little evidence that digital literacy has been integrated into pharmacy staff training, which remains an under-researched area.
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.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle