Screen-Based Virtual Simulation in Medical Laboratory Science Education: Findings from a National Program
Notice bibliographique
Résumé
ABSTRACT Curricular limitations on clinical placements in medical laboratory technology (MLT) education have increased interest in health care simulation, particularly virtual simulation (VS). This study explored learner experience, perceived learning, and readiness for clinical application among MLT students through an end-of-course survey in a work-integrated learning program across 8 Canadian institutions (N = 145, 2023-2024). Using a mixed-methods design, measures included satisfaction, psychological safety, inclusivity, skill development, engagement, usability, and debriefing quality, supplemented by open-ended comments and interviews. Students reported high satisfaction (87.9%), strong psychological safety ( x¯ = 4.55; SD = 0.75), and inclusivity ( x¯ = 4.38; SD = 0.85). High engagement and usability scores indicated effective functionality and positive debriefing experiences. Perceived learning gains were greatest for critical thinking and problem solving, with smaller improvements in communication and teamwork; cross-program differences were minimal and nonsignificant. Qualitative data highlighted VS as a valuable, low-risk environment enabling repetition, feedback, and knowledge application. Students with repeated VS exposure reported deeper learning and increased confidence. Overall, VS was associated with favorable learner experiences, enhanced perceived learning, and greater self-reported readiness for clinical practice. Findings support its use as an effective adjunct and potential partial substitute for traditional clinical placements in MLT education.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».