Para Medicine Students’ Experiences of Virtual Education: A Qualitative Study
Notice bibliographique
Résumé
Background: The emergence of the Internet and its development led to the expansion of virtual education. The development of virtual education in recent years has had a tremendous impact on the improvement of education and the establishment of educational justice in different parts of the world. Despite its advantages, virtual education is also associated with some challenges. The present study aimed to investigate para medicine students’ experiences of virtual education. Methods: This qualitative study was conducted using conventional content analysis. The participants were 25 students in various fields of para medicine who were selected using purposive sampling. The study took place at universities in the north of Iran. The data were collected using semi-structured in-depth interviews and focus groups from January to April 2022. The collected data were analyzed using Graneheim and Lundman’s qualitative content analysis method. Results: The core category identified in this study was from helplessness to interaction which was divided into three main categories (challenges and desperation, deprivation of mutual interaction and learning, and resilience and adaptation) and fourteen subcategories. Conclusion: The main theme extracted from the interviews with the participants was from helplessness to interaction. When a person has numerous failures, cannot control environmental conditions, and feels the ineffectiveness of their activity and response, they will experience a sense of vulnerability. Thus, the person has to accept the conditions and interact with them. In other words, interaction is a skill that improves the ability to quickly learn new skills and behaviors in response to the conditions. Thus, identifying challenges and realizing the weaknesses, strengths, opportunities, and threats governing the existing virtual education environment can help to turn many threats into opportunities, promote virtual education, and support teachers and students to improve the quality and quantity of the teaching-learning process in the COVID-19 and post-COVID-19 era.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».