MétaCan
Menu
Retour à la cohorte
Enregistrement W3117008273 · doi:10.2196/18102

Development and Implementation of a Web-Based Learning Environment for an Inpatient Internal Medicine Team: Questionnaire Study

2020· article· en· W3117008273 sur OpenAlexvenueno aff
Thaddeus Y. Carson, Christos Hatzigeorgiou, Tasha R. Wyatt, Sarah Egan, Sary Beidas

Notice bibliographique

RevueJMIR Medical Education · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWeb applicationSoftwareEducational softwareMultimediaMedical educationMedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The notion of anytime, anyplace communication is characteristic of the current generation of learners. Such communications have facilitated the growth and integration of a blended or hybrid learning platform in multiple educational settings. However, there are limited reports on the use of an anytime, anyplace communication platform in clinical inpatient medical education. OBJECTIVE: The setting of a high-demand inpatient clinical rotation is ideal for the use of collaborative software, and this integration is expected to positively influence medical education. The purpose of this study is to evaluate medical students' and residents' educational experiences with incorporating a simple, web-based content management and file sharing platform into an internal medicine inpatient rotation. METHODS: During an inpatient internal medicine rotation, faculty and learners jointly used collaborative software for educational purposes, and a postrotation survey tool was used to measure the educational influence of the software. RESULTS: Based on the results of the postrotation survey, the integration of a collaborative software application during clinical rotations improved the learning experience. Learning climate, the communication of rotation goals, and self-directed learning all scored favorably, but feedback from the survey participants was mixed. The learners enthusiastically accepted the practical use of this tool for both communication and information sharing. CONCLUSIONS: This generation of learners is accustomed to frequent electronic communication. Based on our survey, these learners appear to be highly receptive to this web-based intervention design for improving clinical education during active patient care. Adding effective blended learning features to a traditional clinical setting is achievable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,387
Écart entre enseignants0,368 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207