Explorando el metaverso en la educación de estudiantes de salud: revisión de alcance
Notice bibliographique
Résumé
Objetivo: mapear la literatura respecto de incorporar el metaverso a la educación de estudiantes de carreras del área de salud. Método: revisión de alcance, acorde recomendaciones del JBI y Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews (PRISMA-ScR), realizada en Web of Science , Medical Literature Analysis and Retrieval System Online (MEDLINE) vía PubMed, Embase, Scopus, Cumulative Index to Nursing and Allied Health (CINAHL), Latin American and Caribbean Health Sciences Literature (LILACS) y ProQuest. Resultados: fueron incluidos 23 registros, publicados entre 2020 y 2023, desarrollados en 10 países. El metaverso destaca por permitir simular casos hipotéticos, haciendo que la educación resulte interactiva y atractiva. Sin embargo, enfrenta limitaciones, incluyendo la posible despersonalización de los estudiantes, preocupación por la seguridad y privacidad de los datos, además del elevado costo de implementación y mantenimiento de su infraestructura. Conclusión: el metaverso posibilita el desarrollo de competencias clínicas que facilitan la construcción de identidad profesional del estudiante. No obstante, puede no ser equitativo, considerando que demanda recursos y educadores con conocimientos para implementarlo, contribuyendo a acentuar desigualdades en la educación de estudiantes.
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 | 0,264 | 0,515 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,012 |
| Bibliométrie | 0,025 | 0,016 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».