MétaCan
Menu
Retour à la cohorte
Enregistrement W2937495499 · doi:10.1097/ceh.0000000000000243

Adoption and Use of Mobile Learning in Continuing Professional Development by Health and Human Services Professionals

2019· article· en· W2937495499 sur OpenAlexaffabout
Vernon Curran, Lisa Fleet, Karla Simmons, Heather Lannon, Diana L. Gustafson, Chenfang Wang, Mahyar Garmsiri, Lyle Wetsch

Notice bibliographique

RevueJournal of Continuing Education in the Health Professions · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFlexibility (engineering)Social mediaAutonomyMobile deviceMedical educationMobile technologyProfessional developmentKnowledge managementHealth carePublic relationsMedicinePsychologyBusinessComputer scienceWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Health and human services professionals are increasingly using mobile devices to support clinical decision-making and evidence-based practice. However, research on self-directed learning in an era of growing digital technology utilization is underdeveloped. This study explored the adoption and use of mobile learning as a continuing professional development (CPD) activity. METHODS: A mixed-methods case study using semistructured interviews and a web-based questionnaire was conducted with health and human services professionals in Newfoundland and Labrador, Canada. RESULTS: Respondents reported using a smartphone (53.8%), tablets (50.4%), YouTube (43.0%), and mobile apps (35.8%) for CPD. The highest-rated benefits of mobile learning included improved access to information (M = 3.51); potential for enhanced knowledge acquisition (M = 3.45); staying up to date (M = 3.44); and verifying information (M = 3.40). The greatest barriers included cost of some apps and resources (M = 3.07); websites/programs not functional on mobile devices (M = 2.84); workplace barriers preventing access to digital resources (M = 2.82); and social media use linked to negative perceptions of professionalism (M = 2.65). Interview respondents described the flexibility and convenience of mobile learning, the level of autonomy it offered, and the advantages of learning on their own time. Technical issues, particularly for rural and remote practitioners, and digital professionalism also emerged as potential barriers. DISCUSSION: A systems model organizes the factors influencing the adoption and use of mobile devices and resources to support "just-in-time" learning. Addressing policies, practices, and regulations that enable or inhibit adoption of mobile learning for CPD may foster enhanced use to support better clinical decision-making, improved accuracy, and greater patient safety.

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)0,008
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,240
Score d'incertitude au seuil0,965

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,027
Tête enseignante GPT0,435
Écart entre enseignants0,407 · 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

Citations42
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Continuing Education in the Health ProfessionsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207