MétaCan
Menu
Retour à la cohorte
Enregistrement W4322493230 · doi:10.2196/39680

Teaching Medical Microbiology With a Web-Based Course During the COVID-19 Pandemic: Retrospective Before-and-After Study

2023· article· en· W4322493230 sur OpenAlexvenueno aff
Cihan Papan, Monika Schmitt, Sören L. Becker

Notice bibliographique

RevueJMIR Medical Education · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesUniversität des Saarlandes
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicMedical educationMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Online learningPsychologyInternal medicineFamily medicineComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has imposed unprecedented hurdles on health care systems and medical faculties alike. Lecturers of practical courses at medical schools have been confronted with the challenge of transferring knowledge remotely. OBJECTIVE: We sought to evaluate the effects of a web-based medical microbiology course on learning outcomes and student perceptions. METHODS: During the summer term of 2020, medical students at Saarland University, Germany, participated in a web-based medical microbiology course. Teaching content comprised clinical scenarios, theoretical knowledge, and instructive videos on microbiological techniques. Test performance, failure rate, and student evaluations, which included open-response items, for the web-based course were compared to those of the on-site course from the summer term of 2019. RESULTS: Student performance was comparable between both the online-only group and the on-site comparator for both the written exam (n=100 and n=131, respectively; average grade: mean 7.6, SD 1.7 vs mean 7.3, SD 1.8; P=.20) and the oral exam (n=86 and n=139, respectively; average grade: mean 33.6, SD 4.9 vs mean 33.4, SD 4.8; P=.78). Failure rate did not significantly differ between the online-only group and the comparator group (2/84, 2.4% vs 4/120, 3.3%). While lecturer expertise was rated similarly as high by students in both groups (mean 1.47, SD 0.62 vs mean 1.27, SD 0.55; P=.08), students who took the web-based course provided lower scores for interdisciplinarity (mean 1.7, SD 0.73 vs mean 2.53, SD 1.19; P<.001), opportunities for interaction (mean 1.46, SD 0.67 vs mean 2.91, SD 1.03; P<.001), and the extent to which the educational objectives were defined (mean 1.61, SD 0.76 vs mean 3.41, SD 0.95; P<.001). Main critiques formulated within the open-response items concerned organizational deficits. CONCLUSIONS: Web-based courses in medical microbiology are a feasible teaching option, especially in the setting of a pandemic, leading to similar test performances in comparison to on-site courses. The lack of interaction and the sustainability of acquired manual skills warrant further research.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,374
Écart entre enseignants0,363 · 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'étudeObservationnel
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207