MétaCan
Menu
Retour à la cohorte
Enregistrement W4391495897 · doi:10.1017/s1041610223002119

Using Simulation-Based Learning (Gamified Educational Network) to Provide Micro-credentialing for Dementia Care Workers

2023· article· en· W4391495897 sur OpenAlexaboutno aff
Winnie Sun, Mary Chiu, Abdulatif Burhan

Notice bibliographique

RevueInternational Psychogeriatrics · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyDementiaCredentialMedical educationBest practiceGeneral partnershipExperiential learningWorkforceContext (archaeology)CredentialingNursingMedicinePedagogyComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Background:Dementia care is a critical area of need in the community and institutional settings, with estimated one-third of seniors younger than 80 years of age with dementia living in institutional settings and this proportion increases to 42% for those 80 years and older in Canada. It is of critical importance to promote excellence and best practices in dementia care by preparing for well-trained dementia workforce through capacity building.Methods:This project developed a dementia care micro-credential education to enable competency development of new graduates and upskilling of workers through simulation-based learning. This micro-credential program leveraged interdisciplinary partnership, to develop nine core modules related to best practices in dementia care, facilitated with a Gamified Educational Network (GEN). GEN is an evidence-based learning management platform that provides learners with a simulated and immersive experience to engage them in a virtual learning environment that allows for rich experiential interaction with other users and its content.Outcome:Face and content validity was established by an inter-professional committee including geriatric psychiatry, nursing, social work, occupational therapy, behavioral therapy, knowledge mobilization and simulation education experts. Next phase will begin to establish construct validity. It is expected that GEN will have a positive impact on increasing learner’s motivation and engagement in the educational tasks, as well as improving learner’s competencies and outcomes through its multi-modal approaches, including gamification (usage of game-based elements in a non-game context to engage learners and promote learning), active observational practice, independent hands-on practice, case-based discussion, peer-to-peer assessment, expert facilitated feedback, skills debriefing and reflective practice.Conclusion:This micro-credential program will provide an enhanced dementia care curriculum for building capacity of existing workers, and those entering into the workforce to promote a dementia-friendly environment for older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,580
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,488
Écart entre enseignants0,429 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational PsychogeriatricsMême sujetInterprofessional Education and CollaborationTravaux en français237 207