Side Effects May Include Fun: Pre- and Post-Market Surveillance of the GridlockED Serious Game
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
Introduction. As serious games are a relatively new phenomenon in medical education, there is little data on end user demographics or usage. In this study our goal was to describe the demographics and usage for purchasers of the GridlockED board game, a serious board game for teaching about a systems approach to managing care in the emergency department. Methods. We conducted a two-phase survey of individuals interested in purchasing GridlockED. Users were asked to complete a brief demographic survey before accessing the purchasing site. A follow-up survey was performed 3-6 months after the initial survey. That survey was to assess participants’ usage, play patterns, and what changes to GridlockED they would like to see. Individuals who did not purchase the board game were asked about their barriers to purchase. Results. After one year of sales, 213 games were purchased, 560 individuals had completed the intake survey with 408 consented to follow-up. Responding purchasers were from 16 different roles in healthcare in 11 countries. Our follow-up survey collated 53 responses (out of 408 individuals, 14% response rate). The majority (63%) of respondents reported having played the game, with the most common use cases being for fun (40%), teaching trainees (21%) or training with colleagues (13%). Price of the game unit was cited as the largest barrier to purchase (60%). Conclusion. GridlockED attracted interest from a wide range of medical professionals around the world. Users reported using the game for fun and for teaching/training purposes. The main barrier to purchase was the game’s price.
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 | 0,000 | 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 découle