The evolution of simulation-based medical education research: From traditional to virtual simulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Simulation-based medical education (SBME) is a widely used method in medical education. This study aims to analyze publications on SBME in terms of countries, institutions, journals, authors, and keyword co-occurrence, as well as to identify trends in SBME research. Methods: We retrieved the Publications on SBME from the Web of Science Core Collection (WoSCC) database from its inception to January 27, 2024. Microsoft Excel 2019, CiteSpace, and VOSviewer were used to identify the distribution of countries, journals, and authors, as well as to determine the research hotspots. Results: We retrieved a total of 11272 publications from WoSCC. The number of documents published in 2022 was the highest in the last few decades. The USA, the UK, and Canada were three key contributors to this field. The University of Toronto, Stanford University, and Harvard Medical School were the top major institutions with a larger number of publications. Konge, Lars was the most productive author, while McGaghie, William C was the highest cited author. BMC Medical Education has the highest number of publications among journals. The foundational themes of SBME are "Patient simulation," "extending reality," and "surgical skills." Conclusions: SBME has attracted considerable attention in medical education. The research hotspot is gradually shifting from traditional simulations with real people or mannequins to virtual, digitally-based simulations and online education. Further studies will be conducted to elucidate the mechanisms of SBME. The utilization of SBME will be more rationalized.
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.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle