Could a massive open online course be part of the solution to sport-related concussion? Participation and impact among 8368 registrants
Notice bibliographique
Résumé
OBJECTIVES: A massive open online course (MOOC) has the potential to help address the public health burden of concussion across all levels of sport and leisure activities. The main objectives of this study were to document the volume of participation and to estimate the impact of a MOOC on concussion protocol implementation. METHODS: Between April 2016 and October 2018, four editions of a French-language MOOC on concussion were presented. Each of the six modules contains a section presenting the main learning content and a section proposing a reflective process to support the implementation of a concussion protocol in the participant's environment. The proportion of registrants who achieved successful completion of the course was the main outcome. Surveys were also used to document the types of participants and their intent to implement or update a protocol. RESULTS: Thirty per cent of 8368 registrants successfully completed the course. Of the 3061 participants who completed a survey about their background, 58.8% were healthcare professionals, 16.3% were sport or school stakeholders, and 10.1% were parents or persons who sustained a concussion. Of the 1471 participants who completed a survey about their intent to implement or update a concussion protocol in their environment, 39.4% answered positively. CONCLUSION: This study describes the first use of a MOOC to address the issue of concussion. The experience of a French-language MOOC shows promising results supporting the use of this innovative educational strategy as part of the solution to the public health issue of concussion.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».