Development and Assessment of an E-learning Course on Pediatric Cardiology Basics
Notice bibliographique
Résumé
BACKGROUND: Early detection of congenital heart disease is a worldwide problem. This is more critical in developing countries, where shortage of professional specialists and structural health care problems are a constant. E-learning has the potential to improve capacity, by overcoming distance barriers and by its ability to adapt to the reduced time of health professionals. OBJECTIVE: The study aimed to develop an e-learning pediatric cardiology basics course and evaluate its pedagogical impact and user satisfaction. METHODS: The sample consisted of 62 health professionals, including doctors, nurses, and medical students, from 20 hospitals linked via a telemedicine network in Northeast Brazil. The course was developed using Moodle (Modular Object Oriented Dynamic Learning Environment; Moodle Pty Ltd, Perth, Australia) and contents adapted from a book on this topic. Pedagogical impact evaluation used a pre and posttest approach. User satisfaction was evaluated using Wang's questionnaire. RESULTS: Pedagogical impact results revealed differences in knowledge assessment before and after the course (Z=-4.788; P<.001). Questionnaire results indicated high satisfaction values (Mean=87%; SD=12%; minimum=67%; maximum=100%). Course adherence was high (79%); however, the withdrawal exhibited a value of 39%, with the highest rate in the early chapters. Knowledge gain revealed significant differences according to the profession (X22=8.6; P=.01) and specialty (X22=8.4; P=.04). Time dedication to the course was significantly different between specialties (X22=8.2; P=.04). CONCLUSIONS: The main contributions of this study are the creation of an asynchronous e-learning course on Moodle and the evaluation of its impact, confirming that e-learning is a viable tool to improve training in neonatal congenital heart diseases.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».