MétaCan
Menu
Retour à la cohorte
Enregistrement W4288058824 · doi:10.1097/sih.0000000000000541

Debriefing for Simulation-Based Medical Education

2021· article· en· W4288058824 sur OpenAlexaff
Louise Ing, Adam Cheng, Yiqun Lin

Notice bibliographique

RevueSimulation in Healthcare The Journal of the Society for Simulation in Healthcare · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensCalgary Laboratory ServicesAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDebriefingFacilitatorMedical educationContext (archaeology)Faculty developmentPsychologyMedicineProfessional developmentSocial psychology

Résumé

récupéré en direct d'OpenAlex

Context Current debriefing approaches and faculty development strategies for simulation educators differ around the world. We aim to describe the status of current debriefing practice and faculty development for simulation educators in this study. Methods We distributed a paper-based survey during 2 international conferences to obtain data from active International Network for Simulation-based Pediatric Innovation, Research and Education members. The survey was tested to ensure content validity and consisted of the following 3 constructs: demographic characteristics, current debriefing practice, and issues related to faculty development. Results One hundred nine of 114 participants (96%) completed the survey. Debriefing practice differs in terms of timing, duration, framework, and conversational framework. Most debriefings were less than 30 minutes (93/109, 85%), with many educators not using objective data during debriefing (47/109, 43%). Three- or 4-phase debriefing frameworks were used most commonly (66/109, 61%). Most participants have access to some faculty development opportunities (99/109, 91%). Barriers to faculty development are related to time and resource constraints (eg, freeing up facilitator's time: 75/109, 69%, competing priorities 64/109, 59%). Most participants indicated that their needs for debriefing to improve learning outcomes were met (95/109, 87%). The desired content for future faculty development opportunities varies between educators with different levels of expertise. Conclusions Approaches to debriefing among members of an international pediatric simulation network vary considerably. Although faculty development opportunities were available to most participants, future simulation programs should work on addressing barriers and optimizing faculty development plans to meet the needs of their educators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,049
score de la tête « metaresearch » (Gemma)0,173
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,173
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,431
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSimulation in Healthcare The Journal of the Society for Simulation in HealthcareMême sujetSimulation-Based Education in HealthcareTravaux en français237 207