Evaluation of two-time zones online training to transform older people's care
Notice bibliographique
Résumé
This paper reports the evaluation by trainees of the innovative online education initiative known as the e-TRIGGER (e-TRaining In Gerontology and Geriatrics) program, which targets healthcare professionals working with older adults in Africa, the Middle East, and Europe (AFMEE course) and in Asia-Oceania (ASIO). The e-TRIGGER programs are implemented under the auspices of the International Association of Gerontology and Geriatrics (IAGG). The first year of teaching of the AFMEE program (May 2023 to April 2024) and the third year of the ASIO program (January to December 2024) were evaluated by the students using a satisfaction survey implemented at the end of the year of teaching. Almost all trainees reported that the course met their personal objectives. A significant majority reported applying acquired knowledge directly (AFMEE, 75 %; ASIO, 78 %) and indirectly (AFMEE, 30 %; ASIO, 42 %) in their daily work. Over half reported improved skills in caring for older adults (AFMEE 65 %, ASIO 52 %). Around one-fifth reported a job or career promotion after course completion (AFMEE 21 %, ASIO 17 %). The evaluation highlights the significant impact and success of the e-TRIGGER program for most alumni. Key challenges of this innovative teaching program include ensuring financial sustainability and addressing specific training needs related to long-term care, dementia management, and technology integration. Future perspectives include expanding the program to Latin America (IAGG e-TRIGGER LATAM) and developing complementary, specialized short courses on specific areas of geriatric medicine and gerontology.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».