MétaCan
Menu
Retour à la cohorte
Enregistrement W3146914344 · doi:10.1177/23821205211000349

Design, Implementation and Evaluation of a Distance Learning Framework to Expedite Medical Education during COVID-19 pandemic: A Proof-of-Concept Study

2021· article· en· W3146914344 sur OpenAlex
Aïda J. Azar, Amar Hassan Khamis, Nerissa Naidoo, Marjam Lindsbro, Juliana Helena Boukhaled, Suneetha Gonuguntla, David Davis, Yajnavalka Banerjee

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Medical Education and Curricular Development · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDistance educationInstructional designMedical educationBlueprintCoronavirus disease 2019 (COVID-19)Computer sciencePsychologyMathematics educationMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Background: " of the learning environment that students experience in classroom, in DL'. This requires the design of an adaptable and versatile DL-framework bearing in mind the theoretical underpinnings associated with DL. Additionally, effectiveness of such a DL-framework in content-delivery followed by its evaluation at the user-level, and in cognitive development needs to be pursued such that medical educators can be convinced to effectively adopt the framework in a competency-based medical programme. Main: ' of classroom experience. The framework's blueprint was designed amalgamating principles of: Garrison's community inquiry, Siemens' connectivism and Harasim's online-collaborative-learning; and improved using Anderson's DL-model. Effectiveness of the DL-framework in course delivery was demonstrated using the exemplar of fundamentals in epidemiology and biostatistics (FEB) course during COVID-19 lockdown. Virtual live-sessions integrated in the framework employed a blended-approach informed by instructional-design strategies of Gagne and Peyton. The efficiency of the framework was evaluated using first 2 levels of Kirkpatrick's framework. Of 60 students, 51 (85%) responded to the survey assessing perception towards DL (Kirkpatrick's Level 1). The survey-items, validated using exploratory factor analysis, were classified into 4-categories: computer expertise; DL-flexibility; DL-usefulness; and DL-satisfaction. The overall perception for the 4 categories, highlighted respondents' overall satisfaction with the framework. Scores for specific survey-items attested that the framework promoted collaborative-learning and student-autonomy. For, Kirkpatrick's Level 2 that is, cognitive-development, performance in FEB's summative-assessment of students experiencing DL was compared with students taught using traditional methods. Similar, mean-scores for both groups indicated that shift to DL didn't have an adverse effect on students' learning. Conclusion: In conclusion, we present here the design, implementation and evaluation of a DL-framework, which is an efficient pedagogical approach, pertinent for medical schools to adopt (elaborated using Bourdieu's Theory of Practice) to address students' learning trajectories during unprecedented times such as that during the COVID-19 pandemia.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,099
Tête enseignante GPT0,521
Écart entre enseignants0,421 · 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