Can a virtual learning module foster empathy in dental undergraduate students?
Notice bibliographique
Résumé
BACKGROUND: Empathy is an essential part of patient-centred health care, which positively benefits both patients and clinicians. There is little agreement regarding how best to design and deliver training for healthcare trainees to impart the skills and behaviours of clinical empathy. The study aimed to inform the field by sharing an educational intervention where we aimed to improve empathy amongst dental undergraduate students in Trinity College Dublin using a virtual learning module. METHODS: Adopting pre-post-repeat pre-experimental design, dental professional students completed the Jefferson Scale of Empathy (JSE) for Health Professional Students immediately prior to and after a three-week virtual programme designed to increase clinical empathy. Using a three-factor model described for the JSE in the literature, scores were evaluated for internal consistency and paired tests were performed on scores appropriate to their distributions. Seven-point Likert scales were scored to record student experience of training and technology, which are reported descriptively. RESULTS: Most of the 37 participants were female (76%) and represented dental science (N = 27) and dental hygiene roles (N = 7). Results revealed a mean JSE-HPS scale score rise from 110.0 (SD = 10.4) to 116.4 (SD = 11.1), which represented a rise of 5.8% (t (36) = 3.6, p = 0.001). The three factors associated with cognitive empathy, namely perspective-taking (T(36) = 3.931, p < 0.001; walking in the patient's shoes T(36) = 2.093, p = 0.043); and compassionate care (Z = 2.469, p = 0.014) were all found to have increased after the intervention. Students reported a positive experience of discipline-specific and generic videos as part of the module. CONCLUSION: The study demonstrated that a virtual educational module was associated with an increase in empathy amongst dental undergraduate students. The design of a blended module incorporating the Massive Open Online Course (MOOC) and virtual learning are beneficial and have a promising future.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».