What Are the Real-World Podcast-Listening Habits of Medical Professionals?
Notice bibliographique
Résumé
<p>Introduction Educational podcasts are increasingly being utilized by health professionals for continuing education, but how they are being used remains poorly understood. Given their extensive reach, they represent a phenomenal opportunity for researchers to engage in knowledge translation of their scholarly works. The design, study, and effectiveness of these resources should be informed by a deeper understanding of their pragmatic usage. We aimed to prospectively determine the pragmatic, real-world listening habits of health professionals. Methods We performed a prospective observational study of a broad, interprofessional sample of participants (medical students, residents, physicians, nurses, physician assistants, and paramedics) recruited through a multimodal social media (Twitter and Facebook) campaign. Recruitment materials included an infographic and study website. Participants listened to eight podcasts and described their use of each in subsequent questionnaires. Results A total of 393 participants enrolled in the study, and 241 completed the survey for all eight podcasts. Listening behaviors were consistent across the podcasts with the majority selecting a normal speed of playback and engaging in concomitant activities such as driving. One-third of participants paused the podcasts due to interruption. Conclusion We describe the prospective use of medical podcasts by a cohort of health professionals. This work should inform the role of podcasts in the communication of medical research.</p>
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».