Scale to Measure Medical, Nursing and Midwifery Students’ Engagement in an E-learning Histology Course
Notice bibliographique
Résumé
E-learning courses become increasingly important and relevant in medicine and health sciences over the last decade.However, there are few teaching experiences of e-learning histology courses published in the literature worldwide.Moreover, most of these studies focus on the didactic aspects of the course without exploring student participation.The study presented below aimed to validate a scale to measure student participation in an e-learning histology course.We provide evidence of validity of the instrument based on its internal structure for use with medical, nursing, and midwifery students.The participants in this study were a group of 426 Chilean medical, nursing and midwifery students from a public university who completed the questionnaire in two consecutive semesters (2020)(2021).Data from the first group of students were used to perform an exploratory factor analysis (EFA), while data from the second group of participants were used to perform a confirmatory factor analysis (CFA).The three factors identified according to the CFA were: "Habits of online," "Motivation for online learning," and "Interaction of online".After eliminating one of the initial items of the instrument, the scale showed acceptable psychometric properties suggesting that it is a useful instrument to measure students' perception of their participation in e-learning histology courses.The factors identified through the validation of the instrument provide relevant information for teachers and curriculum developers to create and implement different ways of encouraging student participation in elearning histology courses to support online learning.
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 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 | 0,004 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».