Usability Assessment of a Mobile Application: Experience and Effects among Family Medicine Residents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aimed to identify factors affecting the usage of the IAM mobile application, and to provide a better understanding of residents' needs and experiences as they prepared for their board examination.Twenty family medicine residents at McGill University received the IAM App for their smartphone, loaded with the 99 Priority Topics deemed essential by the College of Family Physicians of Canada to the development of competence in family medicine.One alert to a priority topic was delivered via weekly push notification.The App's usability and residents' experiences were assessed via interview guided by log data on their usage of the App.Fifteen interviews were analyzed.Residents considered the IAM App as a valuable tool for spacing out their learning, and the majority described it as "intuitive" and "easily accessible".Three usage patterns were identified among the residents: continuers, discontinuers and non-users.Cross-case analysis revealed 5 themes: factors that influenced App use, the App's role, motivation for App use, use preference and the App's acceptability.Individual needs, learning strategies and push notifications were the factors that influenced the use of the App.However, proximity to exam dates sustained the use of the App.Barriers to use of the App included technical issues and lack of technical support.The IAM app supports traditional preparation and different learning approaches while promising to foster reflection.Further studies are needed to identify other factors that influence App use and clearer the role of mobile apps to prepare for the board examination.May 8 -13, 2015 Conducted the last open-ended face-to-face interviews and transcription.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle