Online medical education: A student survey
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
BACKGROUND: During COVID-19, medical schools transitioned to online learning as an emergency response to deliver their education programmes. This multi-country study compared the methods by which medical schools worldwide restructured the delivery of medical education during the pandemic. METHODS: This multi-country, cross-sectional study was performed using an internet-based survey distributed to medical students in multiple languages in November 2020. RESULTS: A total of 1,746 responses were received from 79 countries. Most respondents reported that their institution stopped in-person lectures, ranging from 74% in low-income countries (LICs) to 93% in upper-middle-income countries. While only 36% of respondents reported that their medical school used online learning before the pandemic, 93% reported using online learning after the pandemic started. Of students enrolled in clinical rotations, 89% reported that their rotations were paused during the pandemic. Online learning replaced in-person clinical rotations for 32% of respondents from LICs versus 55% from high-income countries (HICs). Forty-three per cent of students from LICs reported that their internet connection was insufficient for online learning, compared to 11% in HICs. CONCLUSIONS: The transition to online learning due to COVID-19 impacted medical education worldwide. However, this impact varied among countries of different income levels, with students from LICs and lower middle income countries facing greater challenges in accessing online medical education opportunities while in-person learning was halted. Specific policies and resources are needed to ensure equitable access to online learning for medical students in all countries, regardless of socioeconomic status.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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