Impact of the COVID-19-induced shift to online dietetics training on PDEP competency acquisition and mental health
Notice bibliographique
Résumé
Purpose: A pilot study to investigate the impact of the COVID-19 pandemic and shift to online learning and practicum training on dietetics students’ perceptions of Partnership for Dietetic Education and Practice (PDEP) competency acquisition and mental health. Methods: Dietetics students (n = 19) at the University of Guelph (2020–2021) were invited to complete an anonymous online survey to assess self-reported online dietetics practicum training experiences including (i) benefits and challenges, (ii) PDEP competency acquisition, and (iii) impact on mental health. Results: The benefits of online dietetics training included schedule flexibility (42.1%), reduced commute time (31.6%), and acquiring virtual counselling experience (21.1%). Reported challenges were insufficient communication with preceptors (36.8%), increased project workload (57.9%), and technology (15.8%). In online practicum placements, 52.6% of dietetics students reported adequately acquiring all PDEP competencies, with Nutrition Care identified as the most challenging to obtain (63.2%). A negative impact on mental health and increased levels of stress/anxiety were reported in 94.7% of trainees. Notably, 63.2% of students favoured continuation of online dietetics training through a hybrid or entirely online format. Conclusion: Online dietetics training has the potential to complement the traditional in-person model; however, further adaptation is required to optimize PDEP competency acquisition and students’ mental health.
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 | 0,003 | 0,008 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».