Adding Live-Streaming to Recorded Lectures in a Non-Distributed Pre-Clerkship Medical Education Model
Notice bibliographique
Résumé
BACKGROUND: Live-streaming video has had increasing uses in medical education, especially in distributed education models. The literature on the impact of live-streaming in non-distributed education models, however, is scarce. OBJECTIVES: To determine the attitudes towards live-streaming and recorded lectures as a resource to pre-clerkship medical students in a non-distributed medical education model. METHODS: First and second year medical students were sent a voluntary cross-sectional survey by email, and were asked questions on live-streaming, recorded lectures and in person lectures using a 5-point Likert and open answers. RESULTS: Of the 118 responses (54% response rate), the data suggested that both watching recorded lectures (Likert 4.55) and live-streaming lectures (4.09) were perceived to be more educationally valuable than face-to-face attendance of lectures (3.60). While responses indicated a statistically significant increase in anticipated classroom attendance if both live-streaming and recorded lectures were removed (from 63% attendance to 76%, p =0.002), there was no significant difference in attendance if live-streaming lectures were removed but recorded lectures were maintained (from 63% to 66%, p=0.76). CONCLUSION: The addition of live-streaming lectures in the pre-clerkship setting was perceived to be value added to the students. The data also suggests that the removal of live-streaming lectures would not lead to a statistically significant increase in classroom attendance by pre-clerkship students.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».