Hidden identity simulation: Using secret character roles to practice navigating event medical team dynamics
Notice bibliographique
Résumé
What was the educational challenge? Interdisciplinary medical teams often collaborate for the first time at mass-gathering events. Simulation helps participants navigate interpersonal dynamics. A gamified simulation could offer an engaging, low-stakes method to introduce emotionally charged topics like team conflict.What was the solution? Hidden Identity Simulation (HID SIM) is a gamified simulation where participants with randomly assigned secret character roles (e.g. ‘The Know-It-All’) navigate diverse personalities while managing a case. A debrief highlights team dynamic management strategies.How was the solution implemented? A serotonin toxicity case was piloted using HID SIM in a simulation theatre. Twenty-nine participants randomly selected character cards that outline personality descriptions and conditions that modify character intensity.What lessons were learned that are relevant to a wider global audience? Participants responded positively, rating HID SIM 4.75/5 overall and 4.43/5 for engagement (n = 28). ‘Less stressful than anticipated’ scored 3.54/5 (n = 28), and ‘less stressful than other simulations’ was rated 3.68/5 (n = 19). Participants rated their pre-/post-simulation self-efficacy in several teamwork and medical competencies. All competencies showed statistically significant increases (p < 0.001) post-simulation.What are the next steps? Future steps include writing new character cards, expanding HID SIM to other clinical settings, and designing customized decks targeting specific team dynamics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».