Taking a Leap of Faith: A Study of Abruptly Transitioning an Undergraduate Medical Education Program to Distance-Learning Owing to the COVID-19 Pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic has forced universities worldwide to immediately transition to distance-learning. Although numerous studies have investigated the effect of the COVID-19 pandemic on universities in the Middle East, none have reflected on the process through which medical education programs for health professions underwent this transition. This study aimed to elucidate the rapid transition to distance-learning of an undergraduate medical program at the College of Medicine, Mohammad Bin Rashid University of Medicine and Health Sciences (Dubai, United Arab Emirates), owing to the COVID-19 pandemic. An action research approach constituted the foundation of this collaborative effort that involved investigations, reflections, and improvements of practice, through ongoing cycles of planning, acting, observing, and reflecting. Efforts of transitioning to distance-learning were grouped into four interrelated aspects: supporting faculty members in delivering the program content, managing curriculum changes, engaging with the students to facilitate distance-learning experiences, and conducting web-based assessments. Challenges included the high perceived uncertainty, need for making ad hoc decisions, lack of experiential learning and testing of clinical skills, and blurring of work-life boundaries. Our preliminary findings show the successful generation of a strong existing digital base, future prospects for innovation, and a cohesive team that was key to agility, rapid decision-making, and program implementation.
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 | 0,002 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,001 |
| 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 ».