Perspectives on the implementation of health informatics curricula frameworks
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic highlighted the necessity of equipping health professionals with knowledge and skills to effectively use digital technology for healthcare delivery. However, questions persist about the best approach to effectively educate future health professionals for this. A workshop at the 15th Nursing Informatics International Congress explored this issue. OBJECTIVE: To report findings from an international participatory workshop exploring pre-registration informatics implementation experiences. METHODS: A virtual workshop was held using whole and small group interactive methods aiming to 1) showcase international examples of incorporating health informatics into pre-registration education; 2) highlight essential elements and considerations for integrating health informatics into curricula; 3) identify integration models of health informatics; 4) identify core learning objectives, resources, and faculty capabilities for teaching informatics; and 5) propose curriculum evaluation strategies. The facilitators' recorded data and written notes were content analysed. RESULTS: Fourteen participants represented seven countries and a range of educational experiences. Four themes emerged: 1) Design: scaffolding digital health and technology capabilities; 2) Development: interprofessional experience of and engagement with digital health technology capabilities; 3) implementation strategies; and 4) Evaluation: multifaceted, multi-stakeholder evaluation of curricula. These themes were used to propose an implementation framework. DISCUSSION: Workshop findings emphasise global challenges in integrating health informatics into curricula. While course development approaches may appear linear, the learner-centred implementation framework based on workshop findings, advocates for a more cyclical approach. Iterative evaluation involving stakeholders, such as health services, will ensure that health professional education is progressive and innovative. CONCLUSIONS: The proposed implementation framework serves as a roadmap for successful health informatics implementation into health professional curricula. Prioritising engagement with health services and digital health industry is essential to ensure the relevance of implemented informatics curricula for the future workforce, acknowledging the variability in placement experiences and their influence on informatics exposure, experience, and learning.
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 | 0,123 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,024 |
| Communication savante | 0,020 | 0,011 |
| Science ouverte | 0,005 | 0,018 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».