MétaCan
Menu
Retour à la cohorte
Enregistrement W4406803791 · doi:10.2196/62803

Exploring the Role of Immersive Virtual Reality Simulation in Health Professions Education: Thematic Analysis

2025· article· en· W4406803791 sur OpenAlexvenueno aff
Jordan Talan, Molly Forster, Deepak Pradhan

Notice bibliographique

RevueJMIR Medical Education · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisImmersive technologyVirtual realityComputer scienceKnowledge managementCognitive apprenticeshipPsychologyQualitative researchHuman–computer interactionPedagogySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although technology is rapidly advancing in immersive virtual reality (VR) simulation, there is a paucity of literature to guide its implementation into health professions education, and there are no described best practices for the development of this evolving technology. OBJECTIVE: We conducted a qualitative study using semi-structured interviews with early adopters of immersive VR simulation technology to investigate utilization and motivations behind employing this technology in educational practice, and to identify the educational needs that this technology can address. METHODS: We conducted 16 interviews with VR early adopters. Data were analyzed via Directed Content Analysis through the lens of the Unified Theory of Acceptance and Use of Technology (UTAUT). RESULTS: The main themes that emerged included Focus on Cognitive Skills, Access to Education, Resource Investment, and Balancing Immersion. These findings help to clarify the intended role of VR simulation in health professions education. Based on our data, we synthesize a set of research questions that may help define best practices for future VR development and implementation. CONCLUSIONS: Immersive VR simulation technology primarily serves to teach cognitive skills, to expand access to educational experiences, to act as a collaborative repository of widely relevant and diverse simulation scenarios, and to foster learning through deep immersion. By applying the UTAUT theoretical framework to the context of VR simulation, we not only collected validation evidence for this established theory, but also proposed several modifications to better explain use behavior in this specific setting.

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)0,023
score de la tête « metaresearch » (Gemma)0,032
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,007
Études des sciences et des technologies0,0040,006
Communication savante0,0040,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,407
Écart entre enseignants0,356 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207