Overcoming barriers in access to ophthalmic education with virtual learning
Notice bibliographique
Résumé
We would like to congratulate Dr Chatziralli et al. for their thought-provoking study on virtual education for ophthalmology during COVID-19. In this cross-sectional survey study, Dr Chatziralli and her team found a significant increase in the use of e-learning alternatives during the pandemic [ 1 ]. Medical training relies on the continued succession of learners, and as such, there is a critical need to minimize disruptions in this process to avoid negative downstream sequelae. Thus, learners and educators alike are reimagining contemporary medical education with a “forward thinking and scholarly approach” in adopting virtual pedagogies for acquiring clinical knowledge and skills [ 2 ]. Recently, we conducted a study to assess the efficacy of interactive virtual ophthalmology education for medical students during COVID-19. We found that interactive webinars and modules can successfully recreate clinically immersive learning environments while maintaining social distancing. Furthermore, we found that such open-access virtual platforms may mitigate inequities in accessing high-quality medical education and also reduce feelings of social isolation among learners [ 3 ]. Our findings are applicable beyond the context of COVID-19—globally, medical students report not gaining sufficient exposure to ophthalmology through formal medical education, and virtual learning may help to bridge this gap. Moreover, the authors argue that a “significant and inescapable disadvantage of the shift online is the restriction of professional networking and opportunities for ‘in person’ collaboration.” [ 1 ] Of course, this has implications for personal and professional development among the next generation of physicians [ 4 ]. Medical students already comprise one of the world’s loneliest populations, and early reports suggest that the mental health effects of social distancing and the colloquially termed “Zoom fatigue” may be deepening feelings of isolation in this group [ 5 ]. COVID-19 has catapulted us into a future defined by virtually integrated medical education. How we choose to move forward in this paradigm may redefine what it means to be a medical student, doctor, and lifelong learner forever. Future studies should investigate the impact of this shift toward virtual learning on metrics of learner well-being and professional identity formation as well as a more nuanced understanding of how to best deliver medical education in a virtual setting.
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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,049 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».