Exploring the metaverse in the education of healthcare students: A scoping review
Notice bibliographique
Résumé
OBJECTIVE: to map the literature on the incorporation of the metaverse in the education of undergraduate healthcare students. METHOD: scoping review following the recommendations of the JBI and Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews (PRISMA-ScR), performed on Web of Science, Medical Literature Analysis and Retrieval System Online (MEDLINE) via PubMed, Embase, Scopus, Cumulative Index to Nursing and Allied Health (CINAHL), Latin American and Caribbean Health Sciences Literature (LILACS) and ProQuest. RESULTS: a total of 23 records were included, published between 2020 and 2023, and developed in 10 countries. The metaverse allows the simulation of hypothetical cases, making education interactive and attractive. However, it faces limitations, including the possibility of depersonalizing students, concerns about data security and privacy, and the high cost of implementing and maintaining its infrastructure. CONCLUSION: the metaverse enables the development of clinical competencies that support the construction of students' professional identity. However, it may not be equitable, as it requires resources and knowledge from educators to implement it, contributing to increasing inequality in the education of healthcare students. BACKGROUND: (1) The metaverse is promising in the education of undergraduate healthcare students. BACKGROUND: (2) The metaverse makes education interactive and attractive. BACKGROUND: (3) It promotes the protagonism of students in the teaching-learning process. BACKGROUND: (4) It presents risks related to data security and privacy. BACKGROUND: (5) High cost of implementing and maintaining its infrastructure.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».