Preferred modalities for delivering continuing education to the public health workforce: a scoping review
Notice bibliographique
Résumé
INTRODUCTION: Continuing education (CE) can help public health professionals maintain and further develop their knowledge and skills to adapt to the changing public health landscape. This scoping review aims to identify the preferred modalities for delivering CE to public health professionals and to determine how equity has been incorporated into public health training. METHODS: Using the PRISMA extension for Scoping Reviews as a guide, we searched four databases for peer-reviewed primary research studies that evaluated public health workforce CE modalities. RESULTS: The review included 33 studies published between 1 January 2000 and 6 August 2019 from over 11 countries. Most articles broadly described their training audience as public health professionals employed by government or non-governmental organizations. Delivery methods included online, in-person or blended learning (combining online and in-person instruction). Learners strongly preferred self-directed approaches. Organizational support, including protected time for professional development during work hours, was an important enabler of training completion. Commonly cited barriers included course duration and a high number of contact hours. CONCLUSION: Findings suggest that there is no single preferred training modality. We identified three elements that influence modality preference: design, delivery and organizational support. Modality should be determined by participants' location, needs and previous experiences to ensure the content is relevant and delivered in a way that equips learners to apply the knowledge gained.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».