Implementation of Virtual Reality in Health Professional Higher Education: Protocol for a Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The use of virtual reality in higher education show great potential to promote novel and innovative learning experiences. Until recently, virtual reality has mostly been used in technical higher education, but lately medical education programs have begun using virtual reality. Virtual reality for health professional education improves the knowledge and skills of health professionals compared with traditional or other digital education initiatives. However, the implementation of technology in higher education is slow because of barriers to technology use and innovative and successful practices are not shared. It is, therefore, of great interest to explore how virtual reality is implemented in higher health professional and continuing education. OBJECTIVE: The aim of this scoping review is to identify studies that reported implementation of virtual reality in higher health professional education, to identify barriers and facilitators for implementation, and to highlight research gaps in this area. METHODS: The scoping review will be conducted according to JBI Evidence Synthesis methodologies. CINAHL, the Academic Search Elite and Education Source electronic databases, and Google Scholar will be searched for studies published between 2017 and 2022. In addition, manual searching of key items, reference tracking, and citation tracking will be performed. Searches for white papers will also be manually conducted. All authors will independently extract data from full-text papers. We will use qualitative content analysis to abstract the findings. RESULTS: The literature searches were conducted in January and February 2022. The review is expected to be completed by fall 2022, after which time it will be submitted for publication. CONCLUSIONS: We anticipate that, from the review, we will be able to coordinate recommendations for and present the challenges of virtual reality initiatives in health professional education programs. We will present recommendations for future research. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/37222.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».