Virtual Simulated Placements in Health Care Education: Scoping Review
Notice bibliographique
Résumé
Background: A virtual simulated placement (VSP) is a computer-based version of a practice placement. COVID-19 drove increased adoption of web-based technology in clinical education. Accordingly, the number of VSP publications increased from 2020. This review determines the scope of this literature to inform future research questions. Objective: This study aimed to assess the range and types of evidence related to VSPs across the health care professions. Methods: Studies that focussed on health care students participating in VSPs. Hybrid, augmented reality, and mixed reality placements were excluded. In total, 14 databases were searched, limited to English, and dated from January 1, 2020. Supplementary searches were employed, and an updated search was conducted on July 9, 2023. Themes were synthesized using the PAGER (patterns, advances, gaps, evidence for practice, and research recommendations) framework to highlight patterns, advances, gaps, evidence for practice, and research recommendations. Results: In total, 28 papers were reviewed. All VSPs were designed in response to pandemic restrictions. Students were primarily from medicine and nursing. Few publications were from low and middle-income countries. There was limited stakeholder involvement in the VSP designs and a lack of robust research designs, consistent outcome measures, conceptual underpinnings, and immersive technologies. Despite this, promising trends for student experience, knowledge, communication, and critical thinking skills using VSPs have emerged. Conclusions: This review maps the VSP evidence across health care education. Allied health and midwifery research require greater representation, and based on the highlighted gaps, other areas for future research are suggested.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».