The Trends of Use of Social Media by Medical Students
Notice bibliographique
Résumé
As the online environment has evolved, the use of social networking sites (SNSs) has been integrated into the methods of teaching. Students across the world are currently using SNSs to enhance their learning. Objective: This study sought to explore the students' use of social media, in particular that of Facebook groups in medical education at the University of Ottawa. Methods: Pre-clerkship medical students (n = 160) were surveyed regarding the trends of use of SNSs in their learning. The survey consisted of 23 questions (Likert-style, multiple choice, yes/no, and short answer questions). Results: 94% of respondents use SNSs to facilitate their learning with Facebook (n = 98, 97%). Students mostly use Facebook groups for histology (30%), physiology (21%), etc. They mostly use SNSs for these particular subjects because the material posted is engaging. Sixty percent (60%) of students use SNSs to communicate with their colleagues and 59.8% stated that they prefer Facebook groups over pages. They prefer sample tests/quizzes and study guides (65.6%), followed by explanatory comments and an answer to a question (54.2%), etc. The downside of the use of social media in education is distraction and privacy issues. Conclusion: SNSs are used by the majority of students to enhance their learning, but to use them to their fullest; the material posted has to be concise, engaging and aligned with the learning objectives. Social media are contemporary and efficient communication tools that educators cannot overlook; the challenge is to choose the right platform, the amount and quality of the information shared to ensure optimal benefit and collaboration of the students.
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 | 0,006 | 0,051 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».