Examining the Effect of Virtual Learning on Canadian Pre-Clerkship Medical Student Well-Being During the COVID-19 Pandemic
Notice bibliographique
Résumé
Introduction: The restrictions of the COVID-19 pandemic resulted in the broad and abrupt incorporation of virtual/online learning into medical school curricula. While current literature explores the effectiveness and economic advantages of virtual curricula, robust literature surrounding the effect of virtual learning on medical student well-being is needed. This study aims to explore the effects of a predominantly virtual curriculum on pre-clerkship medical student well-being. Methods: This study followed a constructivist grounded theory approach. During the 2020-2021 and 2021-2022 academic years, students in pre-clerkship medical studies at Western University in Canada were interviewed by medical student researchers over Zoom. Data was analyzed iteratively using constant comparison. Results: We found that students experiencing virtual learning faced two key challenges: 1) virtual learning may be associated with an increased sense of social isolation, negatively affecting wellbeing, 2) virtual learning may impede or delay the development of trainees' professional identity. With time, however, we found that many students were able to adapt by using protective coping strategies that enabled them to appreciate positive elements of online learning, such as its flexibility. Discussion: When incorporating virtual learning into medical education, curriculum developers should prioritize optimizing existing and creating new ways for students to interact with both peers and faculty to strengthen medical student identity and combat feelings of social isolation.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».