MétaCan
Menu
Retour à la cohorte
Enregistrement W4293248834 · doi:10.1186/s40561-022-00201-1

Implementing a cost effective and configurable hybrid simulation platform in healthcare education, using wearable and web-based technologies

2022· article· en· W4293248834 sur OpenAlexaffabout
Wayne J. Brown, Cindy Reid

Notice bibliographique

RevueSmart Learning Environments · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensGeorgian College
Organismes subventionnairesnon disponible
Mots-clésWearable computerComputer scienceHealth careWeb applicationComputer architectureHuman–computer interactionEmbedded systemWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

There are many examples of hybrid simulation models in healthcare education which are designed to simulate specific scenarios. However, there appears to be a need for a cost effective and configurable hybrid simulation platform which can be used by educators of various healthcare disciplines to simulate different scenarios. The purpose of this paper is to develop a proof-of-concept platform that can be easily implemented at little cost and provide flexibility to healthcare instructors to develop a variety of simulation scenarios, and to determine the effectiveness of this platform. Using a standardized patient, a person acting as a patient in a scripted manner, along with wearable and web-based technologies, a congestive heart failure simulation was used as an evaluative exercise for a group of personal support worker students at a Canadian Community College. Personal support workers typically provide care to any person who may require personal assistance with activities of daily living such as feeding, lifting, bathing, skin care and oral hygiene to name a few. Standardized patients are typically used in healthcare education to educate and evaluate soft skills, such as caregiver to patient communication, professionalism, as well as hard skills, such as history taking, examination and diagnostic skills (Rosen in J Crit Care 23:157-166, 2008). Instructor feedback indicated that the platform was easy to use and capable of simulating a large variety of scenarios. Pre and post test results are evidence of initial findings of promise indicating that the platform seemed to be effective in enabling students to meet learning outcomes. Focus group results seem to indicate an increase in student confidence as it relates to their ability to handle a similar scenario in the workplace.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,324
Écart entre enseignants0,303 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmart Learning EnvironmentsMême sujetSimulation-Based Education in HealthcareTravaux en français237 207