Evaluation of Mixed reality in undergraduate nursing education. A systematic review
Notice bibliographique
Résumé
Abstract Background Mixed Reality is becoming more widespread in the training of nursing students because it allows students to face situations that are difficult to manage or that rarely occur in their practice, but for which they must be prepared. Our objective is to evaluate whether mixed reality improves nursing students' learning outcomes and satisfaction compared to simulation. Material and methods This systematic review was performed according to the guidelines of the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) The generic keywords used were “(nurses OR nurse OR nursing) AND mixed reality AND simulation”. The literature search was carried out in the PubMed and CINAHL databases between 2011 and 2021. After the review, 4 references were selected. Based on the study title and abstract, two independent authors selected potential. Whenever a study meets the inclusion criteria, the authors access the full text. To assess potential bias, all studies included in the review were evaluated with the Newcastle-Ottawa Quality Assessment Scale Results The search produced 54 papers but after reviewing only 4 were selected. Two studies were pretest post-test with a control group, while the other 2 were post-test only with no control group. Mixed reality was used in several settings (Maternal Health, Mental Health, CPR, and hospital ward) to increase the realism of simulations, increase confidence, reduce anxiety and stress of students in clinical situations. The results of the studies are contradictory, with poor quality studies showing positive effects, while studies with better quality and design showed poorer results. Conclusions Mixed reality is a very recent technique in nursing education. It is necessary to carry out well-designed studies of adequate size to evaluate in which contexts it is effective. Key messages Mixed reality is an emerging technology in education, but very few evaluations have been conducted. It is necessary to carry out well-designed studies to evaluateif Mixed reality it is effective in nursing education.
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 | 0,031 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,012 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».