Enterprise Microblogging to Augment the Subinternship Clinical Learning Experience: A Proof-of-Concept Quality Improvement Study
Notice bibliographique
Résumé
BACKGROUND: Although the Clerkship Directors in Internal Medicine (CDIM) has created a core subinternship curriculum, the traditional experiential subinternship may not expose students to all topics. Furthermore, academic institutions often use multiple clinical training sites for the student clerkship experience. OBJECTIVE: The objective of this study was to sustain a Web-based learning community across geographically disparate sites via enterprise microblogging to increase subintern exposure to the CDIM curriculum. METHODS: Internal medicine subinterns used Yammer, a Health Insurance Portability and Accountability Act (HIPAA)-secure enterprise microblogging platform, to post questions, images, and index conversations for searching. The subinterns were asked to submit 4 posts and participate in 4 discussions during their rotation. Faculty reinforced key points, answered questions, and monitored HIPAA compliance. RESULTS: In total, 56 medical students rotated on an internal medicine subinternship from July 2014 to June 2016. Of them, 84% returned the postrotation survey. Over the first 3 months, 100% of CDIM curriculum topics were covered. Compared with the pilot year, the scale-up year demonstrated a significant increase in the number of students with >10 posts (scale-up year 49% vs pilot year 19%; P=.03) and perceived educational experience (58% scale-up year vs 14% pilot year; P=.006). Few students (6%) noted privacy concerns, but fewer students in the scale-up year found Yammer to be a safe learning environment. CONCLUSIONS: Supplementing the subinternship clinical experience with an enterprise microblogging platform increased subinternship exposure to required curricular topics and was well received. Future work should address concerns about safe learning environment.
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 | 0,020 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».