MétaCan
Menu
Retour à la cohorte
Enregistrement W4400536735 · doi:10.7759/cureus.64333

Ethical Considerations When Designing and Implementing Immersive Realities in Nursing Education

2024· editorial· en· W4400536735 sur OpenAlexaff
Elizabeth Viernes Sombilon, Shai S Rahmanov, Kayla Jachecki, Zipora Rahmanov, Eva Peisachovich

Notice bibliographique

RevueCureus · 2024
Typeeditorial
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTransformative learningVirtual realityAugmented realityImmersive technologyMixed realityEngineering ethicsMedicineNurse educationInclusion (mineral)Ethical issuesMedical educationComputer scienceHuman–computer interactionPsychologyPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

Immersive realities such as Augmented Reality (AR), Virtual Reality (VR), Mixed Reality (MR), and all future realities yet to be introduced, offer transformative potential as a new teaching methodology. VR and AR technologies in nursing education provide immersive experiences to students and allow them to practice clinical skills in a safe and controlled learning environment. However, VR and AR developers, along with educators who create simulated scenarios, must address ethical considerations such as accessibility, diversity, and inclusion in the design and implementation processes. While these innovative technologies are promising, they must be offered in a safe and effective manner. This editorial delves into ethical considerations that are involved in designing and implementing AR and VR as immersive realities in nursing education.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,445
Écart entre enseignants0,402 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetSimulation-Based Education in HealthcareTravaux en français237 207