Utilisation de la vidéo pour la formation des professionnels de la santé
Bibliographic record
Abstract
Introduction : Devant l’évolution rapide des connaissances, les pharmaciens et leur personnel de soutien doivent participer activement à la mise à niveau de leur compétence. Objectifs : Présenter une revue de littérature sur les approches utilisant la vidéo pour la formation des professionnels de la santé. Méthode : Revue documentaire sur l’utilisation de la vidéo dans le formation des professionnels de la santé 1988-2008 à partir de Pubmed et Google Scholar en utilisant les mots-clés suivants : computer assisted instruction, health professionnal education, inservice training, pharmacy service, telelearning, teaching method, videotape recording. Résultats : Nous présentons un historique de la vidéo, l’évolution de la diffusion de la vidéo en quatre phases et un profil des principales études se penchant sur l’utilisation de la vidéo dans la formation de professionnels de la santé. Conclusion : Cette revue nous a permis d’identifier les études clés ayant évalué la forme, le fond et l’impact de la vidéo auprès du personnel formé. La vidéo est un outil incontournable de formation et peut être utilisé pour le maintien de la compétence du personnel dans le domaine de la santé.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.041 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".