Prevalence of medical students’ satisfaction with online education during COVID- 19 pandemic: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Electronic (E)-learning is defined as the use of electronic tools for education, training, and communication. Education, among many other sectors, has been profoundly affected by the spread of the coronavirus disease 2019 (COVID-19). More than 90% of the world’s students are unable to attend teaching sessions due to the COVID-19 pandemic. Methods: This study was conducted in accordance with the published guidelines for meta-analysis and reviews (PRISMA) reporting guidelines. A database and electronic search was performed on September 21st, 2021 using PubMed, Medline and Embase through the OVID platform, and ScienceDirect. We removed duplicates, and screened the title, abstract, and full texts of included papers. We included studies published only in English and excluded studies without sufficient data, case reports, editorials, and protocols. The quality of included articles was examined using the AXIS tool for cross-sectional studies, and the Newcastle–Ottawa scale for observational case-control studies. From the included studies, demographic and satisfaction with online education (OE) prevalence data were extracted and analyzed. We calculated the pooled prevalence of medical students’ satisfaction. Results: Eighteen studies with a total sample of 7,907 students were included in the meta-analysis. The pooled prevalence of medical students’ satisfaction with online education was 0.57 (95% CI: 47 - 67%). Publication bias was assessed and reported. Conclusions: The pooled prevalence of medical students’ satisfaction with online education was 53 %. Online learning satisfaction was associated with students’ prior experience with OE. The greatest benefit of OE is overcoming obstacles faced with learning Major challenges for implementing OE were technical and infrastructural resources.
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 | 0,014 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,035 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».