Digital Literacy Training for Digitalization Officers (“Digi-Managers”) in Outpatient Medical and Psychotherapeutic Care: Conceptualization and Longitudinal Evaluation of a Certificate Course
Notice bibliographique
Résumé
Background: Digital tools, services, and information in patient care demand new competencies in outpatient care, and the workforce is faced with the need to deal with digitalization. Objective: In a targeted certificate course (Certification of Digitalization Officers in Medical Practices and Psychotherapeutic Practices, Digi-Manager), medical assistants are trained to serve as digitalization officers, enabling them to implement the requirements of digitalized health care within their practices. Methods: As part of an accompanying study, the course is evaluated by the participants, and the change in their digital literacy is recorded. We measured different knowledge, skills, and attitude dimensions at 3 different times-before, during, and after the course-and used ANOVA to examine significant changes. Results: Digi-Managers started the course with an already high self-assessment of their digital literacy. Skills and knowledge increased significantly in all categories (cognitive, technical, ethical, and health information) from the initial to the final measurement, as did self-confidence in the use of general software and hardware. Positive attitude remained stable over the training period, and the course was rated very positively by participants across all areas. Conclusions: Training programs on digital topics for health care professionals are necessary, and this certification course is a role model for successful further education through a mixture of theoretical knowledge transfer and practical application. Especially, the use of a digital maturity model and a digital laboratory was a unique and useful feature. Further research needs to go into alternative assessment methods of digital literacy, as the results suggest that self-assessment measures self-efficacy and confidence, rather than pure competence. Nevertheless, the increase in self-assessed competence suggests that the training was successful.
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 | 0,000 |
| 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 ».