Process evaluation of E-learning in continuing medical education: evidence from the China-Gates Foundation Tuberculosis Control Program
Notice bibliographique
Résumé
BACKGROUND: E-learning is a growing phenomenon which provides a unique opportunity to address the challenges in continuing medical education (CME). The China-Gates Foundation Tuberculosis (TB) Control Program implemented online training for TB health workers in three provinces of China. We aim to evaluate the implementation of E-learning CME programs, analyse the barriers and facilitators during the implementation process, and to provide policy recommendations. METHODS: Routine monitoring data were collected through the project office from December 2017 to June 2019. In-depth interviews, focus group discussion with project management personnel, teachers, and trainees (n = 78), and staff survey (baseline n = 555, final n = 757) were conducted in selected pilot areas at the provincial, municipal, and county/district levels in the three project provinces (Zhejiang, Jilin, and Ningxia). Descriptive analysis of quantitative data summarized the participation, registration, and certification rates for training activities. Thematic approach was used for qualitative data analysis. RESULTS: By the end of June 2019, the national and provincial remote training platforms had organized 98 synchronous learning activities, with an average of 173.2 people [standard deviation (SD) = 49.8] per online training session, 163.3 people (SD = 41.2) per online case discussion. In the pilot area, 64.5% of TB health workforce registered the asynchronous learning platform, and 50.1% obtained their professional certifications. Participants agreed that E-learning CME was more economical, has better content as well as more flexible work schedules. However, the project still faced challenges in terms of unmet learning needs, disorganized governance, insufficient hardware and software, unsupported environment, and lack of incentive mechanisms. CONCLUSIONS: Our results suggested that it's feasible to conduct large scale E-learning CME activities in the three project provinces of China. Training content and format are key facilitators of the program implementation, while the matching of training supply and demand, organizational coordination, internet technology, motivations, and sustainability are key barriers.
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 | 0,001 | 0,038 |
| 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 | 0,000 | 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) | 0,001 | 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 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 ».