Training healthcare workers and untrained interpreters in remote collaboration amidst COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle