Continuing Professional Development via Social Media or Conference Attendance: A Cost Analysis
Notice bibliographique
Résumé
BACKGROUND: Professional development is essential in the health disciplines. Knowing the cost and value of educational approaches informs decisions and choices about learning and teaching practices. OBJECTIVE: The primary aim of this study was to conduct a cost analysis of participation in continuing professional development via social media compared with live conference attendance. METHODS: Clinicians interested in musculoskeletal care were invited to participate in the study activities. Quantitative data were obtained from an anonymous electronic questionnaire. RESULTS: Of the 272 individuals invited to contribute data to this study, 150 clinicians predominantly from Australia, United States, United Kingdom, India, and Malaysia completed the outcome measures. Half of the respondents (78/150, 52.0%) believed that they would learn more with the live conference format. The median perceived participation costs for the live conference format was Aus $1596 (interquartile range, IQR 172.50-2852.00). The perceived cost of participation for equivalent content delivered via social media was Aus $15 (IQR 0.00-58.50). The majority of the clinicians (114/146, 78.1%, missing data n=4) indicated that they would pay for a subscription-based service, delivered by social media, to the median value of Aus $59.50. CONCLUSIONS: Social media platforms are evolving into an acceptable and financially sustainable medium for the continued professional development of health professionals. When factoring in the reduced costs of participation and the reduced loss of employable hours from the perspective of the health service, professional development via social media has unique strengths that challenge the traditional live conference delivery format.
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 | 0,002 | 0,019 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».