MétaCan
Menu
Retour à la cohorte
Enregistrement W3201784666 · doi:10.2196/27441

Use of Commercially Produced Medical Education Videos in a Cardiovascular Curriculum: Multiple Cohort Study

2021· article· en· W3201784666 sur OpenAlexvenueno aff
Sean Tackett, David P. Green, Michael Dyal, Erin O'Keefe, Tanya Emmanuelle Thomas, Tiffany Nguyen, Duyen Vo, Mausam Patel, Christopher J. Murdock, Erin M. Wolfe, Lina A. Shehadeh

Notice bibliographique

RevueJMIR Medical Education · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumClass (philosophy)DashboardMultimediaComputer scienceOsmosisMedical educationStudent engagementMedicinePsychologyArtificial intelligenceData scienceChemistryPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Short instructional videos can make learning more efficient through the application of multimedia principles, and video animations can illustrate the complex concepts and dynamic processes that are common in health sciences education. Commercially produced videos are commonly used by medical students but are rarely integrated into curricula. OBJECTIVE: Our goal was to examine student engagement with medical education videos incorporated into a preclinical Cardiovascular Systems course. METHODS: Students who took the first-year 8-week Cardiovascular Systems course in 2019 and 2020 were included in the study. Videos from Osmosis were recommended to be watched before live sessions throughout the course. Video use was monitored through dashboards, and course credit was given for watching videos. All students were emailed electronic surveys after the final exam asking about the course's blended learning experience and use of videos. Osmosis usage data for number of video views, multiple choice questions, and flashcards were extracted from Osmosis dashboards. RESULTS: Overall, 232/359 (64.6%) students completed surveys, with rates by class of 81/154 (52.6%) for MD Class of 2022, 39/50 (78%) for MD/MPH Class of 2022, and 112/155 (72.3%) for MD Class of 2023. Osmosis dashboard data were available for all 359 students. All students received the full credit offered for Osmosis engagement, and learning analytics demonstrated regular usage of videos and other digital platform features. Survey responses indicated that most students found Osmosis videos to be helpful for learning (204/232, 87.9%; P=.001) and preferred Osmosis videos to the traditional lecture format (134/232, 57.8%; P<.001). CONCLUSIONS: Commercial medical education videos may enhance curriculum with low faculty effort and improve students' learning experiences. Findings from our experience at one medical school can guide the effective use of supplemental digital resources for learning, and related evaluation and research.

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)0,002
score de la tête « metaresearch » (Gemma)0,035
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,160
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,348
Écart entre enseignants0,327 · 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

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetEmpathy and Medical EducationTravaux en français237 207