MétaCan
Menu
Retour à la cohorte
Enregistrement W2611527629 · doi:10.7759/cureus.1205

The “empty Chairs” Approach to Learning: Simulation-Based Train the Trainer Program in Mzuzu, Malawi

2017· article· en· W2611527629 sur OpenAlexaffabout
Elaine Sigalet, Ian Wishart, Norman Lufesi, Faizal Haji, Adam Dubrowski

Notice bibliographique

RevueCureus · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of CalgaryCalgary Laboratory ServicesMemorial University of NewfoundlandWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineTrainerMedical educationCourse (navigation)TriageLibrary scienceMedical emergencyEngineering

Résumé

récupéré en direct d'OpenAlex

Together, a group of Canadian colleagues from St. John's, Newfoundland, Calgary, Alberta (some via Doha) and London, Ontario introduced the first Train the Trainer in Simulation-Based Learning (TTT-SBL) program in Mzuzu Central Hospital and Mzuzu University in Malawi. The team led by Elaine Sigalet (Doha) and consisting of Ian Wishart (Calgary), Faizal Haji (London) and Adam Dubrowski (St. John's) was invited to Malawi by Norman Lufesi to conduct a two-day TTT-SBL course for facilitators who teach an Emergency Triage, Assessment and Treatment (ETAT) plus Trauma course. The following technical report describes this course. All trainees-facilitators who took part in the first iteration of the TTT-SBL course were asked to participate in teaching an ETAT course and modify it to include elements of simulation. The new format of ETAT resulted in a reduction of time necessary to conduct the course from four days (based on historical data) to 2.5 days.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,423
Écart entre enseignants0,332 · 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 tête enseignante, 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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetSimulation-Based Education in HealthcareTravaux en français237 207