MétaCan
Menu
← Back to cohort
Record W7008786508

Comparaison des méthodes de simulation, avec réalité virtuelle immersive et patient simulé, auprès de personnes étudiantes en sciences infirmières

2024· other· fr· W7008786508 on OpenAlexaboutno aff

Bibliographic record

VenueArchipelago (University of Quebec in Montreal) · 2024
Typeother
Languagefr
FieldMedicine
TopicSimulation-Based Education in Healthcare
Canadian institutionsnot available
Fundersnot available
KeywordsCognitionContext (archaeology)Cultural environment
DOInot available

Abstract

fetched live from OpenAlex

Dans un contexte où les systèmes de santé peinent à répondre aux besoins de la population, les besoins d’infirmières et infirmiers ont explosé. La nécessité de former davantage de personnels du domaine de la santé apparait ainsi de plus en plus criante. Au Québec, les pressions politiques sont grandissantes pour que les universités forment un plus grand nombre de ressources en sciences infirmières. Or, maints programmes de formation en sciences infirmières ont pris le virage de la professionnalisation préconisant des pédagogies qui valorisent le développement de compétences professionnelles en situation authentique. Toutefois, considérant les obstacles qui se posent pour un accès aux milieux cliniques et de stages, les instances de formation se tournent vers des stratégies pédagogiques alternatives de simulation, comme le patient simulé, qui tend à reproduire la réalité d’une situation ou d’un environnement professionnel. La réalité virtuelle immersive (RVI) en constitue une récente qui présente un niveau de réalisme significatif, un facteur propice à l’engagement et au développement des compétences de la personne apprenante. En contrepartie, la RVI, par son caractère multisensoriel, peut être source de distraction du fait qu’elle peut induire une surcharge cognitive potentielle importante. Puisque la contribution de la RVI à la formation est relativement récente, ses enjeux méritent d’être étudiés plus en profondeur. Le présent mémoire a pour objectif de comparer deux méthodes de simulation, la RVI et le PS, en termes de développement de compétences, d’engagement, de charge cognitive et d’expérience d’apprentissage. S’inspirant de cadres théoriques et conceptuels permettant de bien définir et situer les différents concepts et notions mobilisés dans la présente recherche, ceux-ci ont également permis de positionner nos choix méthodologiques. Une approche mixte et convergente a donc été choisie, combinant en complémentarité des méthodes quantitative et qualitative. Un échantillon de neuf personnes étudiantes en 3e année du baccalauréat en sciences infirmières a donc participé à un protocole expérimental comportant des tâches relatives à l’évaluation et la communication en situation clinique d’un cas en santé mentale. Celles-ci ont répondu à un ensemble de questionnaires mesurant la performance dans des tâches d’évaluation clinique, le niveau d’engagement ainsi que la charge cognitive perçue. Des entretiens semi-dirigés ont également été réalisés auprès des personnes participantes afin de leur permettre de décrire leur expérience d’apprentissage. En synthèse, les résultats quantitatifs reflètent qu’il n’y a pas de différence significative entre les deux méthodes de simulation concernant les compétences, l’engagement et la charge cognitive. Seule une différence statistiquement significative a été relevée quant à la perception de contrôle qui est plus importante pour la simulation avec PS que celle avec la RVI. Par ailleurs, les résultats qualitatifs révèlent que les personnes participantes perçoivent la simulation RVI comme étant plus favorable au développement de compétences de la pratique infirmière et de composantes plus opérationnelles et procédurales relatives à l’évaluation clinique, alors que la simulation avec PS est perçue comme pouvant soutenir le développement de compétences relationnelles et communicationnelles. Quant aux thèmes émergents, le facteur de « réalisme » des méthodes de simulation a été identifié comme un enjeu, la RVI semblant bien illustrer un environnement réaliste, mais les réponses préprogrammées de la patiente et le délai de réaction ont amené une perte de ce réalisme. Pour la simulation avec PS, elle peine à représenter la réalité d’une unité de médecine. Toutefois, le fait de pouvoir parler avec une « vraie » personne lors de la simulation PS a suscité une perception de réalisme élevé. Sur le plan des retombées scientifiques, notre démarche de recherche vient corroborer maints constats évoqués dans la littérature scientifique, à savoir que les deux méthodes de simulation apparaissent comparables et favorables au développement de compétences et qu’elles favorisent un engagement élevé chez les personnes apprenantes. En revanche, contrairement à ce qui est soutenu par la littérature, nos résultats révèlent que notre protocole expérimental n’a pas produit de surcharge cognitive. Nos résultats soutiennent clairement la pertinence de considérer la RVI et le PS de manière complémentaire. Certaines limites sont à souligner : l’ampleur restreinte de l’échantillon limite la généralisation des résultats; l’utilisation du Self-Assessment Manikin est à reconsidérer du fait qu’il présente des limites sur le plan psychométrique. En ce qui a trait à la RVI, des avancées technologiques sont encore nécessaires pour améliorer la fluidité des échanges avec le patient virtuel et le réalisme des émotions. Les développements continus de l’intelligence artificielle pourront très certainement contribuer à surpasser ces limites. D’autres recherches sont également nécessaires pour étudier le développement d’autres types de compétences en sciences infirmières, notamment le jugement clinique, la prise de décision ou les soins à prodiguer. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : réalité virtuelle immersive, patient simulé, simulation, méthodes pédagogiques, sciences infirmières

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 imitation

Not 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.

metaresearch head score (Codex)0.008
metaresearch head score (Gemma)0.040
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.011
Threshold uncertainty score0.044

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0080.040
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0020.001
Science and technology studies0.0010.001
Scholarly communication0.0040.003
Open science0.0020.003
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0110.001

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.

Opus teacher head0.036
GPT teacher head0.335
Teacher spread0.298 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueArchipelago (University of Quebec in Montreal)→Same topicSimulation-Based Education in Healthcare→French-language works237,207→