MétaCan
Menu
Retour à la cohorte
Enregistrement W3192647138 · doi:10.1097/acm.0000000000004364

Developing the Virtual Resus Room: Fidelity, Usability, Acceptability, and Applicability of a Virtual Simulation for Teaching and Learning

2021· article· en· W3192647138 sur OpenAlexaff
Sarah Foohey, Alim Nagji, Yusuf Yılmaz, Matthew Sibbald, Sandra Monteiro, Teresa M. Chan

Notice bibliographique

RevueAcademic Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensRoyal College of Physicians and Surgeons of CanadaMcMaster University Medical CentreSt. Joseph’s Healthcare HamiltonMcMaster UniversityJoseph Brant HospitalTrillium Health Centre
Organismes subventionnairesnon disponible
Mots-clésUsabilityDistance educationPsychologyMedical educationFidelityDistancingCoronavirus disease 2019 (COVID-19)Applied psychologyComputer scienceMedicineMathematics education

Résumé

récupéré en direct d'OpenAlex

PROBLEM: Physical distancing restrictions during the COVID-19 pandemic led to the transition from in-person to online teaching for many medical educators. This report describes the Virtual Resus Room (VRR)-a free, novel, open-access resource for running collaborative online simulations. APPROACH: The lead author created the VRR in May 2020 to give learners the opportunity to rehearse their crisis resource management skills by working as a team to complete virtual tasks. The VRR uses Google Slides to link participants to the virtual environment and Zoom to link participants to each other. Students and facilitators in the emergency medicine clerkship at McMaster University used the VRR to run 2 cases between June and August 2020. Students and facilitators completed a postsession survey to assess usability and acceptability, applicability for learning or teaching, and fidelity. In addition, students took a knowledge test pre- and postsession. OUTCOMES: Forty-six students and 11 facilitators completed the postsession surveys. Facilitators and students rated the VRR's usability and acceptability, applicability for learning and teaching, and fidelity highly. Students showed a significant improvement in their postsession (mean = 89.06, standard deviation [SD] = 9.56) compared with their presession knowledge scores (mean = 71.17, SD = 15.77; t(34) = 7.28, P < .001, with a large effect size Cohen's d = 1.23). Two perceived learning outcomes were identified: content learning and communication skills development. The total time spent (in minutes) facilitating VRR simulations (mean = 119, SD = 36) was significantly lower than time spent leading in-person simulations (mean = 181, SD = 58; U = 20.50, P < .008). NEXT STEPS: Next steps will include expanding the evaluation of the VRR to include participants from additional learner levels, from varying sites, and from other health professions.

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 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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,076
Tête enseignante GPT0,431
Écart entre enseignants0,355 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetSimulation-Based Education in HealthcareTravaux en français237 207