Converting to Connect: A Rapid RE‐AIM Evaluation of the Digital Conversion of a Clerkship Curriculum in the Age of COVID‐19
Notice bibliographique
Résumé
Abstract Background With the advent of the 2019 coronavirus pandemic, a decision was made to remove medical students from clinical rotations for their own safety. This forced students on a core emergency medicine (EM) rotation at McMaster University to immediately cease all in‐person activities. An urgent need for a virtual curriculum emerged. Methods A virtual curriculum consisting of asynchronous case‐based learning on Slack, ask‐me‐anything webinars, and online e‐modules was created to fill the need. We describe a program evaluation using the RE‐AIM framework and a social networking analysis of participants. Results Medical students (n = 23) and 11 facilitators (five residents, six faculty members) participated in this pilot study. Faculty members sent a mean (±SD) of 115 (±117) messages (n = 6), and mean (±SD) message counts for students and residents were 49.96 (±25; n = 23) and 39 (±38; n = 5), respectively. A total of 62,237 words were written by the participants, with a mean of 1,831 per person. Each message consisted of a mean (±SD) of 25 words (±29). Students rapidly acquitted themselves to digital technology. Using the RE‐AIM framework we highlight the feasibility of a virtual curriculum, discuss demands on faculty time, and reflect on strategies to engage learners. Conclusions The use of asynchronous digital curricula creates opportunities for faculty–resident interaction and engagement. We report the successful deployment of a viable model for undergraduate EM training for senior medical students in the COVID‐19 era of physical distancing.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».