MétaCan
Menu
Retour à la cohorte
Enregistrement W4405802663 · doi:10.1016/j.pecinn.2024.100369

Training healthcare workers and untrained interpreters in remote collaboration amidst COVID-19

2024· article· en· W4405802663 sur OpenAlexafffundabout
Yvan Leanza, Noelia Burdeus-Domingo, Kossigan Kokou-Kpolou, François René de Cotret

Notice bibliographique

RevuePEC Innovation · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensUniversité de MontréalUniversité Laval
Organismes subventionnairesMcGill University
Mots-clésCoronavirus disease 2019 (COVID-19)Training (meteorology)InterpreterHealth care2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)BusinessMedicineGeographyComputer scienceVirologyEconomic growthEconomicsOutbreak

Résumé

récupéré en direct d'OpenAlex

In the context of the public health emergency response to the COVID-19 pandemic in Quebec in 2020, remote public service interpreting has become, within a few days, an essential practice for maintaining services to migrants and allophone refugees, a particularly vulnerable population. This study aimed to measure the impact of two training courses on remote collaboration for mediated consultations developed for healthcare workers and untrained interpreters. A total of 79 healthcare workers and 65 untrained interpreters from the province of Quebec were recruited. They completed the trainings, offered as webinars, and answered the two scales (knowledge and self-efficacy) of the Questionnaire de connaissances sur l'interprétation de service publique à distance [Remote Public Service Interpreting Knowledge Questionnaire]. The study employed paired t -tests to assess the effectiveness of both webinars. Findings reveal a positive impact immediately after completion and at a three-month follow-up. However, there was no significant enhancement in interpreters' self-efficacy over the medium term. Given their modality (remote) and duration (30 min for healthcare workers and three hours for interpreters), the training courses are both effective and practical to implement. This study innovatively promotes interprofessional collaboration in public service interpreting and explores online training's potential to enhance both individual and collective efficacy in the field. • Public service interpreting (PSI) has been rising in healthcare • Training in PSI is limited, posing risks to healthcare quality • Remote PSI (RPSI) becomes crucial during COVID-19 • RPSI collaboration training courses positively impact knowledge and self-efficacy

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
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 Opus0,137
Tête enseignante GPT0,496
Écart entre enseignants0,359 · 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'étudeQualitatif
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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePEC InnovationMême sujetInterpreting and Communication in HealthcareTravaux en français237 207