Defining a Role for Webinars in Surgical Training Beyond the COVID-19 Pandemic in the United Kingdom: Trainee Consensus Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic posed several challenges for surgical training, including the suspension of many in-person teaching sessions in lieu of webinars. As restrictions have eased, both prepandemic and postpandemic training methods should be used. OBJECTIVE: This study investigates trainees' experiences of webinars during the COVID-19 pandemic to develop recommendations for their effective integration into surgical training going forward. METHODS: This project was led by the Association of Surgeons in Training and used an iterative process with mixed qualitative methods to consolidate arguments for and against webinars, and the drivers and barriers to their effective delivery, into recommendations. This involved 3 phases: (1) a web-based survey, (2) focus group interviews, and (3) a consensus session using a nominal group technique. RESULTS: Trainees (N=281) from across specialties and grades confirmed that the COVID-19 pandemic led to an increase in webinars for surgical training. While there were concerns, particularly around the utility for practical training (80.9%), the majority agreed that webinars had a role in training following the COVID-19 pandemic (90.2%). The cited benefits included improved access or flexibility and potential standardization of training. The majority of limitations were technical. These perspectives were refined through focus group interviews (n=18) into 25 recommendations, 23 of which were ratified at a consensus meeting, which was held at the Association of Surgeons in Training 2021 conference. CONCLUSIONS: Webinars have a role in surgical training following the COVID-19 pandemic. The 23 recommendations encompass indications and technical considerations but also discuss important knowledge gaps. They should serve as an initial framework for ensuring that webinars add value and continue to evolve as a tool for training. TRIAL REGISTRATION: Chinese Clinical Trial Registry ChiCTR2200055325; http://www.chictr.org.cn/showprojen.aspx?proj=142802.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,051 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».