Development of Distance Simulation Educator Guidelines in Healthcare
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
INTRODUCTION: The abrupt disruption of in-person instruction in health care during the COVID-19 pandemic resulted in the rapid adoption of distance simulation as an immediate alternative to providing in-person simulation-based education. This massive instructional shift, combined with the lack of educator training in this domain, led to challenges for both learners and educators. This study aimed to disseminate the first set of competencies required of and unique to effective distance simulation educators. METHODS: This was a multiphasic and iterative modified Delphi study validating the content of carefully and rigorously synthesized literature. Experts were invited from around the globe to participate in this study with mandatory attendance at an annual health care simulation conference to openly discuss the guidelines presented as competencies in this document. We divided each competency into "Basic" and "Advanced" levels, and agreement was sought for these levels individually. The experts provided their opinion by choosing the options of "Keep, Modify, or Delete." A free-marginal kappa of 0.60 was chosen a priori. RESULTS: At the conclusion of the Delphi process, the number of competencies changed from 66 to 59, basic subcompetencies from 216 to 196, and advanced subcompetencies from 179 to 182. CONCLUSIONS: This article provides the first set of consensus guidelines to distance simulation educators in health care, and paved the way for further research in distance simulation as a modality.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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