Telehealth Student Experiences and Learning: A Scoping Review
Notice bibliographique
Résumé
Telehealth as a service delivery model is increasing in popularity. Knowledge and use of telehealth technology will be a new mandatory learning outcome in occupational therapy curriculums with the implementation of the 2018 Accreditation Council for Occupational Therapy Education standards. However, it is not known how healthcare programs are currently incorporating telehealth into education or which methods of telehealth education are most effective. This study addressed this gap in the literature using Arksey and O’Malley’s five-step methodological process to conduct a scoping review to examine the student experience of delivering healthcare services via telehealth and related learning outcomes. The scoping review encompassed eight databases with inclusion criteria of articles that discussed student learning outcomes, telehealth or telemedicine, and the student experience of delivering telehealth services. The research team screened 955 articles, reviewed 24 full-text articles, and came to a consensus on six articles to include in the review. Findings suggested a high level of student satisfaction related to the experience of delivering healthcare services using telehealth. Results indicated that students have a variety of related learning outcomes including increased knowledge of their professional practice, increased cultural competence, increased knowledge of how to work on interprofessional teams, and increased knowledge and skill in the use of technology. The review revealed a need for objective measures to examine specific student learning outcomes related to utilizing telehealth as a service delivery method. Additionally, the review indicated a need for future research to identify best educational practices for teaching students about telehealth.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».