Building Mental Health Capacity: Exploring the Role of Adaptive Expertise in the ECHO Virtual Learning Model
Notice bibliographique
Résumé
INTRODUCTION: With the proliferation of virtual learning programs during the COVID-19 pandemic, there is increased need to understand learner experiences and impact on developing expertise. Project Extension for Community Healthcare Outcomes (Project ECHO®) is an established hub-and-spoke tele-education model aimed at building capacity and expertise in primary care providers. Our qualitative study explored how learning experiences within an ECHO mental health care program supported provider learning and ability to solve complex clinical problems. METHODS: We sampled ECHO sessions across a 34-week cycle and analyzed audio transcribed data. Two individuals coded participant interactions during 2-hour recorded sessions using an iterative, constant comparative methodology. RESULTS: The authors identified four key mechanisms of learning in ECHO: (1) fostering participants' productive struggle with cases, (2) development of an integrated understanding, (3) collaborative reformulation of cases, and (4) generation of conceptual solutions based on a new understanding. Throughout the ECHO sessions, learning was observed to be multidirectional from both the hub-to-spoke and between spoke sites. DISCUSSION: Despite the widespread implementation of Project ECHO and other virtual learning models, a paucity of research has focused on mechanisms of virtual learning within these models. Our study demonstrated a bidirectional exchange of knowledge between hub specialist teams and primary care provider spokes that aligned with the development of adaptive expertise through specific learning experiences in Project ECHO. Moreover, the ECHO structure may further support the development of adaptive expertise to better prepare participants to address patients' complex mental health needs.
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 | 0,007 | 0,013 |
| 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 | 0,003 | 0,014 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».