Teaching Chest Tube Insertion by Blended Learning: A Multi-Dimensional Analysis
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 Emerging technologies are being incorporated in surgical education. The use of such technology should be supported by evidence that the technology neither distracts nor overloads the learner and is easy to use. To teach chest tube insertion, we developed an e-learning module, as part of a blended learning program delivered prior to in-person hands-on simulation. This pilot study was aimed to assess learning effectiveness of this blended learning, and cognitive load and the usability of e-learning. Methods The interactive e-learning module with multimedia content was created following learning design principles. In advance of the standard simulation, 13 first-year surgical residents were randomized into two groups: 7 received the e-learning module and online reading materials (e-learning group); 6 received only the online reading materials (controls). Knowledge was evaluated by pre-and post-tests; technical performance was assessed using a Global Rating Scale by blinded assessors. Cognitive load and usability were evaluated using rating scales. Results The e-learning group showed significant improvement from baseline in knowledge ( P = .047), while controls did not ( P = .500). For technical skill, 100% of residents in the e-learning group reached a predetermined proficiency level vs 60% of controls ( P = .06). The addition of e-learning was associated with lower extrinsic and greater germane cognitive load ( P = .04, .03, respectively). Usability was evaluated highly by all participants in e-learning group. Conclusion Interactive e-learning added to hands-on simulation led to improved learning and desired cognitive load and usability. This approach should be evaluated in teaching of other procedural skills.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle