MétaCan
Menu
Retour à la cohorte
Enregistrement W4404840670 · doi:10.32920/27931872.v1

GridlockED as an Intervention for Nurses (GAAIN) Study

2024· preprint· en· W4404840670 sur OpenAlexaff
Teresa M. Chan, Nicole Bodnariuc, Nandini Nandeesha, Jennifer Kodis, C. M. O’Connor, Shawn Mondoux, Alim Pardhan, Ruth Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)PsychologyNursingMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Background: GridlockED (The Game Crafter, LLC) is a serious game that was developed to teach challenges that face nursing and medical professionals in the emergency department (ED). However, few studies have explored nurses' perceptions of the utility, fidelity, acceptability, and applicability of the serious game modality. This study examined how ED nurses view GridlockED as a continuing education platform. Method: This single-center observational study explored how nurses engage with and respond to Grid-lockED. The convenience sample included participants recruited from a local continuing nursing education day. Participants completed a presurvey, engaged in a full game play session with the GridlockED game for approximately 45 minutes, and immediately completed a post-game play survey. Results: Of the 48 participants (11 male, 37 female; 44 of 48 were RNs), most (91%) agreed that the workflow reflected in the game was equivalent to the flow in a typical ED. Almost all (96%) found the cases in the game reflective of real ED patients, and most (92%) found the game a useful educational tool to prepare new nurses to transition into the ED environment. Conclusion: The GridlockED game shows potential as a serious game to support nursing education, particularly for new ED nurse orientation and transition to ED practice.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,460
Écart entre enseignants0,398 · 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'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEducational Games and GamificationTravaux en français237 207