Schulung von Medizinischen Fachangestellten bei hausärztlichen Forschungsprojekten. Wissensgewinn und Unterschiede zwischen einer Präsenzschulung und dem Selbststudium eines Schulungshandbuches
Notice bibliographique
Résumé
Background When initiating new studies, research institutions are often faced with the question how training can be organized effectively and without wasting resources. We investigated whether training healthcare assistants (HCAs) leads to knowledge gains, and whether differences exist between participation in classroom-based training and self-study of training materials. Methods As part of a research study in family medicine, HCAs either participated in on-site classroom-based training, or were required to study a manual that dealt with the same topics. Six questions were used to assess the level of knowledge (sum score 0–30 points, pts), the results compared using non-parametric tests. Results 73 HCAs participated in classroom-based training. In the knowledge test, their average (avg.) was 19.96 pts before the training and 25.62 pts (p < 0.001) afterwards. Of the 106 HCAs in the self-study group, 27 % (n = 29) did not read the manual (avg. 19.83 pts). Depending on the intensity of self-study, the avg. result among the remaining HCAs ranged from 21.60 to 25.40 pts. HCAs that completed classroom-based training (n = 73) were significantly more knowledgeable than those that studied the manual on their own (n = 77), (p < 0.001). Conclusions A comparison showed that participation in classroom-based training resulted in significantly greater knowledge. A good quarter of participants in the self-study group were not reached at all. To identify further time-effective options, the use of education videos and webinars to train practice teams should be investigated.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».