Metaverse technologies in acute care medical education: A scoping review
Notice bibliographique
Résumé
Background: The concept of the metaverse is a virtual world that immerses users, allowing them to interact with the digital environment. Due to metaverse's utility in collaborative and immersive simulation, it can be advantageous for medical education in high-stakes care settings such as emergency, critical, and acute care. Consequently, there has been a growth in educational metaverse use, which has yet to be characterized alongside other simulation modalities literature. This scoping review aims to provide a comprehensive overview of all research describing metaverse use in education for emergency, critical, and acute care. Methods: We used Arksey and O'Malley's framework with the Levac et al. modifications to conduct a scoping review by searching these five databases (MEDLINE, EMBASE, ERIC, Web of Science, and Education Source). The framework comprises six steps: (1) identifying the research question; (2) identifying relevant literature; (3) study selection; (4) data extraction; (5) collating, summarizing, and reporting data; and (6) consultation with key informants. Relevant themes and trends were extracted and mapped for reporting. Results: The search yielded 8175 citations, which ultimately led to data extraction from 65 articles. Studies evaluated metaverse programs for the learning and assessment of both technical skills (management of code blue, sepsis, stroke, etc.) and nontechnical skills (e.g., interprofessional collaboration, communication, critical decision making). Barriers to metaverse implementation include technical challenges and difficulty evaluating educational effectiveness. Conclusions: The results of this scoping review highlight the current applications of metaverse as an educational tool, its identified strengths and weaknesses, and further comparison between metaverse and other educational modalities such as high-fidelity simulation. This work provides direction for future primary and secondary research that can aid educational programmers and curriculum planners in maximizing metaverse potential in emergency, critical, and acute medical education.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».