The Psychological Impacts of Taking Physiotherapy Teaching Online in 2020: What Did We Learn?
Notice bibliographique
Résumé
INTRODUCTION: The rapid shift to online learning due to the COVID-19 pandemic presented challenges for physical therapy (PT) education worldwide. This article aims to explore the factors influencing the well-being of the PT faculty and department chairs involved in delivering PT programs during the initial stages of the COVID-19 pandemic. REVIEW OF LITERATURE: The literature has focused on the pedagogical impacts of the rapid shift to online learning. Little is known about the social and psychological impacts of this rapid transition on the well-being of the faculty involved in implementing PT programs. SUBJECTS: Physical therapy faculty and department chairs at 3 universities in metropolitan Sydney, Australia who taught into or led PT programs in 2020. METHODS: Focus group methodology was used to explore the experiences of PT faculty and department chairs during the initial stages of the COVID pandemic. The focus groups were digitally recorded and transcribed verbatim and the transcripts analyzed thematically. RESULTS: The main finding of this study was the extent of stress experienced by PT program faculty and chairs during this period. Both work-related institutional and faculty factors and non-work-related personal factors contributed to perceived high levels of stress. Overall, there was a feeling that the stressors had not improved over the duration of the pandemic and that this had left the faculty and chairs feeling more fatigued, less collegiate, and may have ongoing impacts on their mental health. DISCUSSION: The pandemic created stresses for faculty and program chairs over and above the usual stress of faculty and college work. The reality of taking steps to reduce the stressors in the current climate is very difficult. CONCLUSION: Moving forward, it is vital to secure increased institutional support, including the support for creating realistic boundaries without the risk of penalty, to address the psychological health and well-being of PT faculty and chairs to enable high-quality education in the future.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».