Gaming the System? A Qualitative Exploration of Physician Assistant Learner Perceptions of Virtual Patient Education
Notice bibliographique
Résumé
INTRODUCTION: Virtual patients (VPs) are increasingly used in health professions education. How learners engage with VPs and the relationship between engagement and authenticity is not well understood. We explored learners' perceptions of VP education to gain an understanding of the characteristics promoting meaningful engagement in learning, including perceived authenticity. METHODS: Using a constructivist grounded theory approach, we conducted interviews and focus groups with 11 students from 2 Canadian Physician Assistant programs, where VP learning was implemented to supplement clinical education during the COVID-19 pandemic. We explored trainee perspectives on the use of VPs as an educational modality. Data were iteratively collected and descriptively analyzed thematically using a constant comparison approach until theoretical sufficiency was reached. RESULTS: We identified 3 groups of factors influencing these students' VP learning experiences: (1) technical factors related to the VP platform influenced the perceived authenticity of the patient interactions; (2) individual factors of learners' attitudes influenced their engagement and motivation; and (3) contextual factors related to the learning environment influenced the acceptability and perceived value of the learning experience. Overall, the psychological authenticity of the learning platform and students' motivation for self-directed learning were perceived as most important for students' learning experiences. CONCLUSIONS: Implementing VP learning as a supplement to clinical education should be done with consideration of factors that enhance the psychological authenticity of the learning platform, promote learner engagement and accountability, and encourage acceptability of the learning modality through curricular placement and messaging.
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 | 0,009 | 0,016 |
| 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 | 0,005 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».