Crisis response to COVID-19: Elements for a successful virtual event transition
Notice bibliographique
Résumé
Rapid onset of the COVID-19 pandemic necessitated a crisis response among academic institutions to provide continuity of learning, in an alternate structure, as on-ground campuses across the country closed. This led to a myriad of virtual and online learning formats for collegiate programs. Ironically, it also altered plans among existing online programs scheduled for in-person, on-campus residency requirements. Complying with newly imposed institution regulations, a small private university in southwestern Pennsylvania was required to move their traditional on-ground Doctor of Nursing Practice residency to a virtual platform. Leveraging online tools and creating a new format was needed to effectively meet program requirements. Success of the residency was dependent upon a straightforward information technology program with adequate support and detailed student resources. Residency structure from the existing on-ground program was combined with online tools to successfully adapt the event into a virtual format. Feedback provided by students and faculty was reviewed to streamline and improve future transitions. The advent of COVID-19 created an opportunity for the nursing program to learn how to transition a key educational on-ground event to a successful virtual one. Although crisis response is common in the clinical setting, adapting to meet critical needs is also essential to the academic environment. Rapid response with forming a virtual residency has provided a foundation for continued growth and refinement of on-ground events being moved to an online platform during a time of crisis. Critical elements for transitioning to the virtual environment are summarized.
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 | 0,003 | 0,006 |
| 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) | 0,000 | 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 ».