A systematic review of online education initiatives to develop students remote caring skills and practices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The ongoing COVID-19 pandemic has altered caring professions education and the range of technological competencies needed to thrive in today's digital economy. We aimed to identify the various technologies and design strategies being used to help students develop and translate professional caring competencies into remote working environments. Eight databases were systematically searched in February 2021 for relevant studies. Studies reporting on online learning strategies designed to prepare students to operate in emerging digital economies were included. Quality assessment was undertaken using the Effective Public Health Practice Project Quality Assessment Tool and/or the Joanna Briggs Institute Critical Appraisal Checklist for Qualitative Research. Thirty-eight studies were included and synthesized to report on course details, including technologies being used and design strategies, and study outcomes including curriculum, barriers and facilitators to technology integration, impact on students, and impact on professional practice. Demonstrations of remote care, videoconferencing, online modules, and remote consultation with patients were the most common instructional methods. Audio/video conferencing and online learning systems were the most prevalent technologies used to support student learning. Students reported increased comfort and confidence when working with technology and planning and providing remote care to patients. While a recent influx in research related to online learning and caring technologies was noted, study quality remains variable. More emphasis on assessment, training, and research is required to support students in using digital technologies and developing interpersonal and technological skills required to work in remote settings.
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.
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 | 0,002 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle