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 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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».