Digital Learning Tools: Findings from a National Survey of Canadian Medical Learners
Notice bibliographique
Résumé
Objectives: The need for enhanced adoption of digital learning tools into medical education was highlighted by the COVID-19 pandemic. To inform development and implementation of digital tools during training, we designed a survey exploring the current scope of digital learning tool use by medical students and family medicine residents in Canada. Methods: We conducted a national survey of medical students and family medicine residents at 14/17 medical schools across Canada. We used frequency tables and descriptive statistics to summarize the multiple-choice responses and performed a content analysis of the free-text responses to identify recurrent themes. Results: Survey responses indicated that learners value information quality, user experience, and accessibility. Barriers to accessing digital learning tools include cost and usability. Conclusions: Medical educators looking to improve the delivery of medical education should focus on learner experience, removing the aforementioned barriers, and iterative evaluation by learners to maintain relevance, usefulness, and effectiveness. ---------- Objectifs : La nécessité d’adopter davantage les outils d’apprentissage numériques dans l’enseignement médical a été mis en évidence par la pandémie de COVID-19. Afin d’informer le développement et la mise en œuvre de tels outils pendant la formation, nous avons conçu une enquête pour explorer l’étendue actuelle de l’utilisation des outils d’apprentissage numériques par les étudiants en médecine et les résidents en médecine familiale au Canada. Méthodes : Nous avons mené une enquête nationale auprès d’étudiants en médecine et de résidents en médecine familiale dans 14 des 17 facultés de médecine en Canada. Nous avons utilisé des tableaux de fréquence et des statistiques descriptives pour résumer les réponses à choix multiples et avons effectué une analyse du contenu des réponses libres afin d’identifier les thèmes récurrents. Résultats : Les réponses de l’enquête ont indiqué que les apprenants apprécient la qualité de l’information, l’expérience utilisateur et l’accessibilité. Les obstacles à l’accès aux outils d’apprentissage numériques comprenaient le coût et la facilité d’utilisation. Conclusions : Les éducateurs en médecine qui cherchent à améliorer la livraison de l’enseignement médical devraient se concentrer sur l’expérience des apprenants, supprimer les obstacles susmentionnés et utiliser une évaluation itérative par les apprenants pour maintenir la pertinence, l’utilité et l’efficacité.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».