Virtual learning during the COVID-19 pandemic: a turning point in neurosurgical education
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.
Notice bibliographique
Résumé
OBJECTIVE: The coronavirus disease 2019 (COVID-19) pandemic has caused dramatic changes in medical education. Social distancing policies have resulted in the rapid adoption of virtual learning (VL) by neurosurgeons as a method to exchange knowledge, but it has been met with variable acceptance. The authors surveyed neurosurgeons from around the world regarding their opinions about VL and how they see the future of neurosurgical conferences. METHODS: The authors conducted a global online survey assessing the experience of neurosurgeons and trainees with VL activities. They also questioned respondents about how they see the future of on-site conferences and scientific meetings. They analyzed responses against demographic data, regions in which the respondents practice, and socioeconomic factors by using frequency histograms and multivariate logistic regression models. RESULTS: Eight hundred ninety-one responses from 96 countries were received. There has been an increase in VL activities since the start of the COVID-19 pandemic. Most respondents perceive this type of learning as positive. Respondents from lower-income nations and regions such as Europe and Central Asia were more receptive to these changes and wanted to see further movement of educational activities (conferences and scientific meetings) into a VL format. The latter desire may be driven by financial savings from not traveling. Most queried neurosurgeons indicated that virtual events are likely to partially replace on-site events. CONCLUSIONS: The pandemic has improved perceptions of VL, and despite its limitations, VL has been well received by the majority of neurosurgeons. Lower-income nations in particular are embracing this technology. VL is still evolving, but its integration with traditional in-person meetings seems inevitable.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle