A Meta-Analysis of the Effect of Paper Versus Digital Reading on Reading Comprehension in Health Professional Education
Notice bibliographique
Résumé
<b>Objective.</b> Despite a rise in the use of digital education in health professional education (HPE), little is known about the comparative effectiveness of paper-based reading and its digital alternative on reading comprehension. The objectives of this study were to identify, appraise, and synthesize the evidence regarding the effect of how media is read on reading comprehension in the context of HPE. <b>Methods.</b> Observational, quasi-experimental, and experimental studies published before April 16, 2021, were included if they compared the effectiveness of paper-based vs digital-based reading on reading comprehension among HPE students, trainees, and residents. Random-effects meta-analyses were performed using standardized mean differences. <b>Results.</b> From a pool of 2,208 references, we identified and included 10 controlled studies that had collectively enrolled 817 participants. Meta-analyses revealed a slight but nonsignificant advantage to students reading paper-based HPE texts rather than digital text (standardized mean difference, -0.08; 95% CI -0.28 to 0.12). Subgroup analyses revealed that students reading HPE-related texts had better reading comprehension when reading text on paper rather than digitally (SMD = -0.36; 95% CI -0.69 to -0.03). Heterogeneity was low in all analyses. The quality of evidence was low because of risks of bias across studies. <b>Summary.</b> Current evidence suggests little to no difference in students’ comprehension when reading HPE texts on paper vs digitally. However, we observed effects favoring reading paper-based texts when texts relevant to the students’ professional discipline were considered. Rigorous studies are needed to confirm this finding and to evaluate new means of boosting reading comprehension among students in HPE programs.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».