MétaCan
Menu
Retour à la cohorte
Enregistrement W4220684328 · doi:10.2196/31080

Perception of Web-Based Didactic Activities During the COVID-19 Pandemic Among Anesthesia Residents: Pilot Questionnaire Study

2022· article· en· W4220684328 sur OpenAlexvenueno aff
Ala Nozari, Shivali Mukerji, Ling-Ling Lok, Qingrou Gu, Lauren Buhl, Sanjay Jain, Rafael Ortega

Notice bibliographique

RevueJMIR Medical Education · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicMedical educationMedicinePerceptionSocial distanceCourseworkCoronavirus disease 2019 (COVID-19)PsychologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Physical and social distancing recommendations aimed at limiting exposure during the COVID-19 pandemic have forced residency programs to increasingly rely on videoconferencing and web-based resources. OBJECTIVE: In this pilot study, we aimed to explore the effects of the COVID-19 pandemic on residency training experience, and to delineate the perceived barriers to the successful implementation of web-based medical education. METHODS: A 19-item survey was compiled and distributed electronically using Qualtrics. This anonymous survey included information on the training level of each resident, their participation in formal didactics before and during the pandemic, and their perception of the ease and limitations of virtual didactics. The resident's opinions on specific educational resources were assessed, and the effectiveness of new delivery methods on resident engagement and learning was examined. RESULTS: Thirty anesthesiology residents were surveyed, 19 of whom agreed to participate in the pilot study. One participant with incomplete responses was excluded, yielding a final cohort of 18 respondents. Most residents (56%, 10/18) reported that the COVID-19 pandemic negatively affected their residency training. The time spent on didactic training and independent studies was, nevertheless, not affected by the pandemic for 90% (16/18) of respondents. Nonetheless, 72% (13/18) of residents were less engaged during virtual lectures in comparison to in-person didactics. Important limitations included distraction from the physical environment (67%, 12/18), internet instability (67%, 12/18), less obligation to participate (44%, 8/18), technical difficulty and unmuted microphones (33%, 6/18, each), and people speaking over each other (28%, 5/18). Despite these limitations, most residents stated that they would like to keep a combination of virtual didactics including live Zoom lectures (56%, 10/18), prerecorded web didactics (56%, 10/18), and virtual ground rounds via Zoom (50%, 9/18) as the "new normal." CONCLUSIONS: Despite important limitations listed in this report, anesthesia residents would like to keep a combination of virtual lectures and presentations as the new normal after the COVID-19 pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,044
Tête enseignante GPT0,432
Écart entre enseignants0,388 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetCOVID-19 and Mental HealthTravaux en français237 207