Virtual Objective Structured Clinical Examination Experiences and Performance in Physical Medicine and Rehabilitation Residency
Notice bibliographique
Résumé
BACKGROUND: Virtual education has been described before and during the COVID-19 pandemic. Studies evaluating virtual objective structured clinical examinations with postgraduate learners are lacking. This study (1) evaluated the experiences of all participants in a virtual objective structured clinical examination and (2) assessed the validity and reliability of selected virtual objective structured clinical examination stations for skills in physical medicine and rehabilitation. METHODS: Convergent mixed-methods design was used. Participants included three physical medicine and rehabilitation residency programs holding a joint virtual objective structured clinical examination. Analysis included descriptive statistics and thematic analysis. Performance of virtual to previous in-person objective structured clinical examination was compared using independent t tests. RESULTS: Survey response rate was 85%. No participants had previous experience with virtual objective structured clinical examination. Participants found the virtual objective structured clinical examination to be acceptable (79.4%), believable (84.4%), and valuable for learning (93.9%). No significant differences between in-person and virtual objective structured clinical examination scores was found for three-fourth stations and improved scores in one fourth. Four themes were identified: (1) virtual objective structured clinical examinations are better for communication stations; (2) significant organization is required to run a virtual objective structured clinical examination; (3) adaptations are required compared with in-person objective structured clinical examinations; and (4) virtual objective structured clinical examinations provide improved accessibility and useful practice for virtual clinical encounters. CONCLUSIONS: Utility of virtual objective structured clinical examinations as a component of a program of assessment should be carefully considered and may provide valuable learning opportunities going forward.
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 | 0,004 | 0,019 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».