Mindset Moderates Healthcare Providers' Longitudinal Performance in a Digital Neonatal Resuscitation Simulator
Notice bibliographique
Résumé
Background: Simulation education can benefit healthcare providers (HCPs) by providing opportunities to practice complex neonatal-resuscitation tasks in low-stake environments. To our knowledge, no study investigated the role of growth mindset on longitudinal performance on neonatal resuscitation before and after simulation-based training. Objectives: This study examines whether 1) the RETAIN digital/table-top simulators facilitate HCPs' neonatal resuscitation knowledge gain, retention, and transfer and 2) growth mindset moderates HCPs' longitudinal performance in neonatal resuscitation. Methods: Participants were n = 50 HCPs in a tertiary perinatal center in Edmonton, Canada. This longitudinal study was conducted in three stages including 1) a pretest and a mindset survey, immediately followed by a posttest using the RETAIN digital simulator from April to August 2019; 2) a 2-month delayed posttest using the same RETAIN neonatal resuscitation digital simulator from June to October 2019; and 3) a 5-month delayed posttest using the low-fidelity table-top neonatal resuscitation digital simulator from September 2019 to January 2020. Three General Linear Mixed Model (GLMM) repeated-measure analyses investigated HCPs' performance on neonatal resuscitation over time and the moderating effect of growth mindset on the association between test time points and task performance. Results: Compared with their pretest performance, HCPs effectively improved their neonatal resuscitation knowledge after the RETAIN digital simulation-based training on the immediate posttest ( Est = 1.88, p < 0.05), retained their knowledge on the 2-month delayed posttest ( Est = 1.36, p < 0.05), and transferred their knowledge to the table-top simulator after 5 months ( Est = 2.01, p < 0.05). Although growth mindset did not moderate the performance gain from the pretest to the immediate posttest, it moderated the relationship between HCPs' pretest and long-term knowledge retention (i.e., the interaction effect of mindset and the 2-month posttest was significant: Est = 0.97, p < 0.05). The more they endorsed a growth mindset, the better the HCPs performed on the posttest, but only when they were tested after 2 months. Conclusions: Digital simulators for neonatal resuscitation training can effectively facilitate HCPs' knowledge gain, maintenance, and transfer. Besides, growth mindset shows a positive moderating effect on the longitudinal performance improvement in simulation-based training. Future research can be conducted to implement growth-mindset interventions promoting more effective delivery of technology-enhanced, simulation-based training and assessment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».