Preclinical Medical Students' Perspectives and Experiences With Structured Web-Based English for Medical Purposes Courses: Cross-Sectional Study
Notice bibliographique
Résumé
Background: English for medical purposes (EMP) is essential for medical students as it serves as a foundational language for medical communication and education. However, students often undervalue its importance within the medical curriculum. Given their demanding schedules and workload, educational methods for EMP must align with their needs. Structured web-based learning offers flexibility and convenience, yet limited research has explored its exclusive application for EMP in undergraduate medical education. Objective: This study aimed to evaluate medical students' perspectives on structured web-based EMP courses and assess their impact on medical English proficiency using objective and subjective measures. Methods: Structured web-based EMP courses were developed based on evidence-based guidelines, addressing barriers to web-based learning during development and implementation. A cross-sectional study was conducted with 535 medical students who completed these courses. Data were collected via questionnaires, the learning management system, and the Khon Kaen University Medical English Test (KKUMET), which assessed proficiency in listening, reading, writing, and speaking. Data were analyzed using descriptive statistics. Results: Of the 535 students, 452 (84.5%) completed the survey. Participants reported confidence in reading (mean 4.11, SD 0.87), vocabulary (mean 4.04, SD 0.84), and listening skills (mean 4, SD 0.89), but lower confidence in writing skills (mean 3.46, SD 1.07). The KKUMET results showed statistically significant improvements in all 4 language skills after course completion (P<.001). The top-rated benefits of the courses were convenience (mean 4.77, SD 0.59), sufficient instruction (mean 4.5, SD 0.85), and clear content (mean 4.41, SD 0.80). Conclusions: Structured web-based EMP courses are relevant and well received by medical students. These courses significantly improve students' medical English proficiency, as evidenced by both subjective feedback and objective measures. Medical educators should consider integrating structured web-based EMP programs to better support students' language proficiency in medical contexts.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».