MétaCan
Menu
Retour à la cohorte
Enregistrement W4309681927 · doi:10.7759/cureus.31804

The Application of a Design-Based Research Framework for Simulation-Based Education

2022· editorial· en· W4309681927 sur OpenAlexaff
Beheshta Momand, Masuoda Hamidi, Olivia Sacuevo, Adam Dubrowski

Notice bibliographique

RevueCureus · 2022
Typeeditorial
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of Ontario Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésExperiential learningReflection (computer programming)Computer scienceIntersection (aeronautics)Educational researchMedicineConceptual frameworkKnowledge managementManagement scienceEngineering managementEngineering ethicsMathematics educationSociologyEngineeringPsychology

Résumé

récupéré en direct d'OpenAlex

In research, the adoption of a framework is essential. It enables researchers to operate with specified parameters and provides structure and assistance with research projects, programs, and technologies. The incorporation of a framework also facilitates the organizing and planning of our research efforts with respect to the breadth and depth of what we want to discover. Frameworks are equally important in research focused on simulation-based education. Simulation-based education is a form of experiential learning that provides participants with the opportunity to acquire or improve real-world-like knowledge and skills in a simulated environment. The Medical Research Council framework, historically developed to guide clinical research, has been proposed as a framework to guide simulation research as well. However, because simulation-based education is positioned at the intersection of clinical and educational sciences, certain questions cannot be addressed using a clinical research framework. Thus, in this paper, we introduce an alternative framework, derived from educational sciences, to be considered and possibly adapted into simulation research. The design-based research (DBR) framework consists of four stages centered on design, testing, evaluation, and reflection. This editorial asserts that the DBR is an excellent framework for projects and programs of research in simulation.

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)0,143
score de la tête « metaresearch » (Gemma)0,174
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: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil0,756

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1430,174
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0050,002
Études des sciences et des technologies0,0040,022
Communication savante0,0160,010
Science ouverte0,0070,005
Intégrité de la recherche0,0160,022
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,152
Tête enseignante GPT0,508
Écart entre enseignants0,356 · 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
GenreÉditorial

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

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetSimulation-Based Education in HealthcareTravaux en français237 207