New Face of Clinical Teaching and Learning: Social Media in Medical Education Use of WhatsApp among Medical Students in Clinical Teaching at Oman Medical College
Notice bibliographique
Résumé
Medical education has its core values of confidentiality and formal conduct while social media involved sharing and openness, connection which seems to be contradictory for medical professionalism.Main purpose of this study was to explore the students' perception, attitudes and barriers about the professional use of social media and to assess the experiences of undergraduate on the improvement of clinical teaching through the incorporation of social media applications.A cross sectional survey based study was carried out at Oman Medical College.All final year students consented to participate were included in the study.Data was collected on self-administered questionnaire in which core elements were divideddemographics, type and frequencies of different social media usage, student's perception about WhatsApp utilization and barriers of not using social media.Statistical analysis was performed using SPSS (IBM SPSS Statistics 20.0).Data were expressed in frequencies, mean and percentages.A total of 76 participants were enrolled in which 5 (6.6%) were male and 71 (93.4%) were aged between 20-25 years of age.Among all 57 (75%) were Omani nationals and almost all (98.7%) participants used social media of which 35 (46.1%) were android, 29 (38.2%)IOS, and 12 (15.8%)were other operating system users.All participants daily spend some time on YouTube, Facebook, Twitter and WhatsApp.In contrast, responses of all participants' indicated that they never make use of Wiki, Chat On and hangout.More than half of the study participants believed that lack of internet access is one the main barrier of nonutilization of social media.Medical students prefer online media for communication and medical information along with usage of WhatsApp in medical education and learning is helpful for improving and enhancing the interactive learning.The students' response emphasizes positive response and experiences of their learning and discussions provided an effective space for integrated small group clinical teaching and learning.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».