More is Not Always Better in Simulation. Learners’ Evaluation of a “Chest Model”
Notice bibliographique
Résumé
Abstract Background Fidelity in simulation is an important design feature. Although it is typically seen as bipolar (i.e., “high” or “low”), fidelity is actually multidimensional. There are concerns that “low fidelity” might impede the immersion of learners during simulation training. “Locally built models” are characterized by decreased cost and reduced “structural” fidelity (how the simulator looks) while satisfying “functional” fidelity (what the simulator does). Objective To 1) describe the use of a locally built chest tube model in building a mastery-based simulation curriculum and 2) describe evaluation of the model from learners in different stages and contexts. Methods The model was built on the basis of key functional features of the assigned training task. A curriculum that combined progressive difficulty and opportunities for deliberate practice and mastery was developed. An analysis of the learner’s survey responses was performed using SAS studio (SAS Software). Results We describe the process of creating the chest tube model and a curriculum in which the model is used for increasing levels of difficulty to reach skill mastery. Learners at different stages and in different contexts, such as practicing physicians and trainees from developed and developing countries, evaluated the model similarly. We provide validity evidence for the content, response process, and relationship with other variables when using the model in the assessment of chest tube insertion skills. Conclusion As demonstrated in our chest tube critical care medicine curriculum, the locally built models are simple to build and feasible to use. Contrary to current thinking that low-fidelity models might impede immersion in simulation training for experienced learners, the survey results show that different learners provide very similar evaluations after practicing with the model.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».