Adapting the Gamified Educational Networking Online Learning Management System to Test a Decentralized Simulation-Based Education Model to Instruct Paramedics-in-Training on the Emergency Intraosseous Access and Infusion Skill
Notice bibliographique
Résumé
Intraosseous (IO) access and infusion is a safe and rapid alternative to intravenous access in obtaining vascular access for administering fluids and drugs. Healthcare professionals, such as primary and advanced care paramedics, use IO access and infusion in emergency circumstances where peripheral intravenous routes are inaccessible. IO access skills require hands-on training, which can be done remotely if the participants have access to simulation, instructions, guidance, and feedback. For the purpose of moving the training outside of the simulation laboratories, we have developed (1) an inexpensive and scalable three-dimensional (3D) printed and silicone-based advanced adult proximal tibial IO access and infusion simulator and (2) a unique learning management system (LMS) for remote simulation-based training. The LMS was built using the Django platform and supports experiential learning by providing access to educational and instructional content (including virtual simulation and serious games), allowing peers to communicate among themselves and with subject-matter experts, provide and receive feedback asynchronously, and engage in learning using gamification elements. The aim of this technical report is to describe the process of development and the final product of the LMS as a research and educational tool to scaffold remote learning of emergency IO skills by paramedics-in-training.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 ».