MétaCan
Menu
Retour à la cohorte
Enregistrement W3039821545 · doi:10.15694/mep.2020.000140.1

Virtual reality videos for training and protocol dissemination during a pandemic

2020· article· en· W3039821545 sur OpenAlex
Glenn Posner, Jerry M Maniate, Jennifer Dale-Tam, Kaitlin Endres, Janet Corral

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMedEdPublish · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésExperiential learningDebriefingSocial distanceHealth carePandemicVirtual realityInstructional simulationComputer scienceMedical educationPsychologyCoronavirus disease 2019 (COVID-19)MedicineHuman–computer interactionPedagogy

Résumé

récupéré en direct d'OpenAlex

<ns4:p>This article was migrated. The article was marked as recommended. Preparations for the COVID-19 pandemic required healthcare teams to practice known skills, such as intubation, with renewed consideration for safety, as well as develop new Standard Operating Procedures (SOPs) for health care delivery. In these conditions, translational simulation based-education (SBE) is a well-known tool that supports health care teams to improve the system using design thinking methods such as walkthroughs and team-based simulation. However, the pandemic has introduced two stressors on translational SBE simultaneously. Firstly, the need for rapid upskilling of front-line staff and rapid change to SOPs. Secondly, the need for social or physical distancing at work, such that it quickly became inappropriate for large groups of individuals to practice in-situ SBE and debrief together in close proximity. An educational approach that brings the best of translational SBE while minimizing contact and maximizing experiential learning is needed.Digital learning has been rapidly adopted by much of medical education during the pandemic. Focusing on a strong alignment between learning goals with intended clinical performance change outcomes we sought to leverage a digital education format that allowed for low barriers to adoption, yet supported the experiential, dynamic reality of translational SBE. In the absence of the ability to quickly train large numbers of people due to the need for social distancing, an immersive experience that can only be provided by virtual reality (VR) videos was the next best thing. VR, using 360-degree video, supported the creation of instructional videos from SBE events in the hospital which allow the learner to immerse and explore multiple points within the scenario. We describe how the very act of recording a video assisted in the rapid development of SOPs through translational simulation. We then describe the use of VR to stay true to the spirit of simulation for experiential learning and nearly hands-on training.</ns4:p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,427
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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