MétaCan
Menu
Retour à la cohorte
Enregistrement W4402620003 · doi:10.22037/aaem.v12i1.2388

A Guide to Opportunities and Challenges of Developing a Virtual Reality Simulation for Disaster Medicine Courses: A Letter to Editor.

2024· article· en· W4402620003 sur OpenAlexaff
Mohsen Masoumian Hosseini, Seyedeh Toktam Masoumian Hosseini, Karim Qayumi

Notice bibliographique

RevuePubMed · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensProcess Simulations Limited (Canada)BC Innovation CouncilCanadian Virtual University
Organismes subventionnairesnon disponible
Mots-clésVirtual realityComputer scienceEngineering ethicsHuman–computer interactionPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

The advancement of technology has significantly impacted the student population, with many young people now spending a large portion of their time engaging with various forms of technology (1).As such, it is imperative for educational systems to adapt and integrate new technologies into their frameworks in order to meet the evolving needs of students (2).Virtual reality (VR) technology has gained substantial popularity among students and addressing its integration could be a crucial step towards bridging educational gaps (3).VR technology presents promising opportunities for the training and education of disaster medicine practitioners.VR simulations provide realistic, immersive environments that allow for frequent, cost-effective practice of disaster response skills, in contrast to traditional live drills (4).These simulations can be adapted to various scenarios, including infectious disease outbreaks like Ebola, and can incorporate physiological models to mimic patient conditions and treatment outcomes (5).The applications of VR in disaster medicine span basic education, professional training, and psychotherapy (6).Research has demonstrated that VR simulations can enhance knowledge acquisition, boost confidence, and realistically simulate clinical environments for different disaster scenarios (4).While VR technology shows potential as a competitive, cost-effective supplement to existing training approaches, further development is needed to cover a wider range of disaster scenarios in hospital settings (4).However, this poses the question: does the current educational system possess the capacity to embrace this expansive platform?Extensive investigations have revealed that for an

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0020,002
Intégrité de la recherche0,0110,013
Charge utile insuffisante (le modèle a refusé de juger)0,0100,011

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 Opus0,217
Tête enseignante GPT0,410
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetSimulation-Based Education in HealthcareTravaux en français237 207