Using virtual communities to promote interprofessional education: a North American / British cooperative venture
Notice bibliographique
Résumé
Education today is moving away from didactic, classroom based, theoretical approaches towards learning experiences that mimic real clinical environments. Case studies and problem based learning (PBL) were innovative techniques that facilitated interprofessional learning. However they suffer from the limitations of being static and isolated from the complexity of everyday life. The focus tends to be on a problem rather than the person and their context, whilst the dynamic and complex nature of interprofessional working is not captured by static case studies. Our workshop will demonstrate a different approach through the development of dynamic, virtual communities, which serve as enhanced clinical practice environments for various health care professions. We have shared ideas and expertise in the creation of three such communities in the UK, USA and Canada each representing a small but diverse neighborhood. Our narrative pedagogy model uses a multimedia approach to bring our communities to life for students. We also work closely with service delivery agencies to ensure maximum realism, this allows us to explore interprofessional working as a key theme. Whether working online or in class, students access these interactions between health professionals, patients and families and base much of their learning on the problems and challenges they present. Through this interactive virtual clinical practice students learn with, from and about one another in ways similar to actual clinical situations. Interprofessional learning is facilitated by this context rich approach which produces re-usable resources, enhancing the sustainability of the model. Nursing, paramedic science, imaging science, social work and mental health students are currently involved in learning together whilst other agencies such as schools and the police are becoming involved. We will explore with participants how virtual communities could be used to facilitate their own interprofessional learning requirements, using our own experiences, evaluations and research findings as resources.
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 | 0,012 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».