MétaCan
Menu
Retour à la cohorte
Enregistrement W2955833368 · doi:10.21315/eimj2019.11.2.5

Podcasting 101: Top Tips on Educational Podcasting

2019· article· en· W2955833368 sur OpenAlexaff
Alireza Jalali, Safaa El Bialy

Notice bibliographique

RevueEducation in Medicine Journal · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRSSMultimediaComputer scienceCurriculumThe InternetWeb syndicationWorld Wide WebSummative assessmentPublicationMedical educationMedicinePsychologyFormative assessmentMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

Medical education has seen significant progress and innovation over the last decade. Today's students utilise a variety of contemporary devices that have replaced the good old pencil and pen. During preclinical years, the students carry around tablet-PCs instead of notebooks to access the web-based curriculum. In their clinical years, smartphones have largely replaced reference books. As much as the teaching methods have revolutionised in medical education, one reality remains constant: during their first two years of study, medical students need to absorb a tremendous volume of information. Students are further challenged by a lack of study time prior to writing summative examinations. Podcasting is a method for distributing multimedia audio and video files over the Internet using the Really Simple Syndication (RSS) format; these can be played back on mobile devices and personal computers. RSS is a web feed format used to publish frequently updated content on the web. In implementing an educational podcasting project, the investigator recommends following the five steps of the Instructional Design Process: Define, Design, Develop, Delivery, and Demonstrate. The following tips are intended to help the reader with design, production and publication of a successful educational podcast.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,308
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,100
Tête enseignante GPT0,467
Écart entre enseignants0,367 · 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.

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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation in Medicine JournalMême sujetSocial Media in Health EducationTravaux en français237 207