An examination of technologies in complementary medicine education and practice: The perceptions and experiences of naturopathy students, faculty and educational leaders
Notice bibliographique
Résumé
OBJECTIVES: Little is known about the education of future CM practitioners. The objective is to explore the perceptions and experiences of students, faculty and professional leaders toward technologies in complementary medicine education and practice. DESIGN AND SETTING: Qualitative focus groups and one-on-one semi-structured interviews were conducted in CM educational organizations and institutions in North America (United States / Canada) and Australia involving seven focus groups (29 naturopathic students), and 30 one-on-one interviews (faculty, educational and professional leaders of the naturopathic profession). RESULTS: Data analysis identified five issues reported. These related to perceptions of; the shortfalls of CM classroom technology, the value of technology within CM clinical practice, learning technologies in the classroom, addressing equity concerns as a consequence of learning technology use, and the need to develop technology literacy skills amongst students and faculty. CONCLUSION: This is the first study to examine the perceptions of students, faculty and professional leaders toward technologies in CM education and practice within an education setting. CM students exhibited complex attitudes and adoption patterns to technology. CM students were critical of faculty who have perceived low levels of digital literacy. The technology issue that students in our study found most challenging was PowerPoint use in the classroom. There is an urgent need to establish a strategic research agenda and modelling around this important area of health care education in order to ensure a well-educated, effective workforce able to deliver the best outcomes for the patients and communities they serve.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».