MétaCan
Menu
Retour à la cohorte
Enregistrement W3048798283 · doi:10.2196/20249

Learning With Virtual Reality in Nursing Education: Qualitative Interview Study Among Nursing Students Using the Unified Theory of Acceptance and Use of Technology Model

2020· article· en· W3048798283 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Nursing · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVirtual realityQualitative researchNurse educationPsychologyMedical educationNursingComputer scienceMedicineHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Digital games-based learning is a method of using digital games to impart knowledge. Virtual reality (VR) programs are a practical application of this method. Due to demographic changes, the nursing profession will become increasingly important. These VR applications can be of use in training nurses for future professional challenges they may encounter. The continuous development of VR applications enables trainees to encounter simulated real life effectively and to experience increasingly concrete situations. This can be of great importance in nursing education, since 3-dimensionality enables a better visualization of many fields of activity and can prevent potential future errors. In addition to this learning effect, VR applications also bring an element of fun to learning. OBJECTIVE: The aim of this qualitative research effort is to observe the degree of acceptance of VR applications by nursing students in Germany. Various factors, including social influences, performance expectations, and effort expectations, are taken into consideration. METHODS: With a qualitative cohort study, the acceptance of nursing students towards VR applications in anatomy teaching was determined. The 12 participants were first asked to fill out a quantitative questionnaire on their sociodemographic characteristics and the extent to which they valued and liked using technology. The participants were then allowed to test the VR application themselves and were finally asked about their experience in a qualitative interview. For the collection of data and the analysis of results, the unified theory of acceptance and use of technology was used in this study. RESULTS: Overall, the study shows that the interviewed persons rated the VR application quite positively. The greatest influence in this was the personal attitude towards technology; the higher this affinity is, the more useful the VR application appears. Social influences can also increase the participant's own acceptance if peers have a positive attitude towards such applications. The study shows that the trainees' motivation to learn was increased by using VR. We believe this is because each trainee could learn individually and the VR application was perceived as an enjoyable activity. Nevertheless, the cost factor of implementing VR applications in nursing training is currently still an obstacle, as not every institution has such financial capacities. CONCLUSIONS: The extent to which the use of VR applications in the training of nursing staff is justified depends on the degree of personal acceptance. The collected results give good practice-oriented insight into the attitude of trainees towards VR. Many of the interviewed persons saw benefits in the use of VR technologies. As VR applications are constantly developing, it is necessary to conduct further studies on VR applications in nursing education and to include other possible disciplines in which these applications can be helpful.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,108
Tête enseignante GPT0,431
Écart entre enseignants0,323 · 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