Experiences with using a mobile application for learning evidence-based practice in health and social care education: An interpretive descriptive study
Notice bibliographique
Résumé
BACKGROUND: Health and social care students are expected to apply evidence-based practice (EBP). An innovative mobile application, EBPsteps, was developed to support learning EBP. AIM: The aim of this study was to explore health and social care students' experiences of learning about EBP using the mobile application EBPsteps during their clinical placements. METHODS: An interpretive description approach guided the exploration of student experiences. Four focus groups were conducted with a convenience sample of students from three undergraduate degree programs: occupational therapy, physical therapy, and social education. The constant comparison method was used to categorize and compare the qualitative data. RESULTS: Three integrated themes were generated: "triggers for EBP", "barriers to EBP", and "design matters". Information needs, academic requirements, and encouragement from clinical instructors triggered the students to use EBPsteps. Lack of EBP knowledge, lack of academic demand, and lack of emphasis on EBP in clinical placement were barriers to using EBPsteps. Design issues mattered, as use of the app was motivated by design features such as the opportunity to practice EBP in one place and taking notes in a digital notebook. The use of the app was hindered by anticipation that the use of phones during clinical placements would be viewed negatively by others and by specific design features, such as unfamiliar icons. CONCLUSIONS: The students perceived the EBPsteps app as a relevant tool for learning EBP, although they also suggested specific changes to the design of the app. Requirements must be embedded in the curriculum to ensure that the app is used. Our findings bring important information to developing and implementing mobile applications as a teaching method in health and social care educations.
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 | 0,020 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».