Digital storytelling in health professions education: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Digital stories are short videos that combine stand-alone and first-person narratives with multimedia. This systematic review examined the contexts and purposes for using digital storytelling in health professions education (HPE) as well as its impact on health professionals' learning and behaviours. METHODS: We focused on the results of HPE studies gleaned from a larger systematic review that explored digital storytelling in healthcare and HPE. In December 2016, we searched MEDLINE, EMBASE, PsycINFO, CINAHL, and ERIC. We included all English-language studies on digital storytelling that reported at least one outcome from Levels 2 (learning) or 3 (behaviour) of The New World Kirkpatrick Model. Two reviewers independently screened articles for inclusion and extracted data. RESULTS: The comprehensive search (i.e., digital storytelling in healthcare and HPE) resulted in 1486 unique titles/abstracts. Of these, 153 were eligible for full review and 42 pertained to HPE. Sixteen HPE articles were suitable for data extraction; 14 focused on health professionals' learning and two investigated health professionals' learning as well as their behaviour changes. Half represented the undergraduate nursing context. The purposes for using digital storytelling were eclectic. The co-creation of patients' digital stories with health professionals as well as the creation and use of health professionals' own digital stories enhanced learning. Patients' digital stories alone had minimal impact on health professionals' learning. CONCLUSIONS: This review highlights the need for high-quality research on the impact of digital storytelling in HPE, especially on health professionals' behaviours. PROSPERO REGISTRATION NUMBER: CRD42016050271 .
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.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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 découle