search
ja日本語
banner
ホームページ / ブログ / マイクロを測定する機器の開発と検証
ブログ
pageSearch
最新ニュース

マイクロを測定する機器の開発と検証

May 15, 2023May 15, 2023

BMC Medical Education volume 23、記事番号: 395 (2023) この記事を引用

192 アクセス

メトリクスの詳細

さまざまな学習環境を測定するための機器は複数ありますが、マイクロ学習環境を測定するための有効で信頼できる機器は存在しません。 この研究は、学生のマイクロ学習環境を測定する手段を開発し、検証することを目的としていました。 マイクロ学習環境を測定すると、生徒の実生活の経験についての洞察が得られ、教えられたカリキュラム、実施されたカリキュラム、学習されたカリキュラムの間の差異について知ることができます。

情報処理理論に基づいて、連続した定性的要素と定量的要素を含む多機関混合法研究デザインが使用されました。 文献レビュー、半構造化インタビューの結果、およびフォーカスグループのディスカッションを組み合わせて、アンケートを作成しました。 内容と応答プロセスの妥当性が確立され、その後、パイロット テスト、信頼性の計算、探索的および確認的な要因分析が行われました。

49 項目の暫定草案文書は、教育実践、学習者サポート、教育能力、進歩的な教員、教育環境に関する 5 つのテーマを含む合計 24 項目の最終文書に減らされました。 SCVI/Ave および S-CVI/UA の値は、それぞれ 0.92 および 0.62 と計算されました。 信頼性は 0.94 と計算されました。 適合指数の値は正常範囲内でした。

マイクロラーニング環境を測定するための機器は、内容、構成、応答プロセスの妥当性、および信頼性に優れています。

査読レポート

リンダーは、マイクロラーニングを新しいメディアエコシステムにおけるマイクロコンテンツとマイクロメディアに基づく新しい学習システムとして定義しました[1]。 これは、チャンクサイズまたはバイトサイズの学習とも呼ばれます [2]。 大きなコンテンツを小さな断片に分割すること、学習時間と学習スペースの柔軟性、選択的に学習するための複数の学習メディアの選択肢の利用可能性はすべて、マイクロラーニングの顕著な特徴です [1]。 Dundee Ready 教育環境測定 (DREEM)、大学院教育環境測定 (PHEEM)、麻酔劇場教育環境測定 (ATEEM)、外科劇場教育環境測定 (STEEM) などの既存のツールは、人口の特定のグループ向けに設計されています。のみ。 すべての医療専門家に対応しているわけではありません。 また、既存のツールは非常に長いです（DREEM で 50 項目、PHEEM で 40 項目、CLE で 42 項目、AMEET で 50 項目）。 短い配置には適していません [3]。 第三に、この問題について、学生、教師、医学教育専門家といった学習環境の重要な関係者3人全員の意見が求められます。 以前のツールでは、利害関係者は 1 人だけとみなされていました。 これにより、このツールはより包括的で最新の実用的なものになります [4]。 私たちの研究の目的は、学生のマイクロラーニング環境を測定する手段（マイクロラーニング環境測定-MLEM）を開発し、検証することです。 マイクロ学習環境を測定すると、生徒の実生活の経験についての洞察が得られ、教えられるカリキュラム、実施されるカリキュラム、学習されるカリキュラムの間の差異について知ることができます。

マイクロラーニングは、テクノロジーベースまたは非テクノロジーベースのいずれかです。 パキスタンでは、私たちの研究の参加者は、ゲーミフィケーション、ビデオポッドキャスティング、eラーニング、Twitter、Whatsapp、Facebookなどのマイクロブログの形でテクノロジーベースのマイクロラーニングを経験しました。それに加えて、パキスタン人が一般的に実践しているマイクロラーニングの非テクノロジーツール生徒にはテキスト (フレーズ、短い段落)、画像、ビデオ、音声、テスト、およびクイズが含まれます。 従来の教室での教育は、デジタル化の最新の波と、ゲーミフィケーションによる学習などの革新的な技術の導入により、単調になってきています[5]。 テクノロジーベースのマイクロラーニング戦略を組み込むことで、学習時間を短縮し、学業成績を向上させ、知識やスキルを向上させることができます [6、7]。 さらに、従来の教室教育には時間と空間の制約があります。 モバイル学習とビデオ ポッドキャスティングは、医学教育にとって有望なツールです [6]。 これらのソースには、いつでもどこでもアクセスできます [8、9]。 Twitter などのマイクロブログを具体的に使用すると、学生の関与と成績を向上させることができます [10]。 マイクロラーニングという用語は医学教育において比較的新しいものであり、これを新しい教育および学習戦略として効果的に使用するには、そのすべての特性、構成要素、対象集団、および手法を徹底的に解明する必要があります。 デジタル化の新たなトレンドにより、私たちの集中力の持続時間は短縮されており、魅力的で活気に満ちたマイクロラーニング環境が時代のニーズとなっています。

連続した定性的要素と定量的要素を含む混合法研究デザイン (探索的逐次デザイン) が選択されました。 機器開発プロセスは、AMEE ガイド 87 [11] (図 1) の 7 つのステップに従いました。

機器の開発段階のフローチャート (MLES)

この研究には複数の研究機関が参加しました。 これには、パキスタンの公立、私立、軍の医科大学や教育病院で教えている専門の医学教育者、学生、医学部教員が含まれていました。 研究の暫定的な期間は、概要が承認されたら8か月、つまり2021年2月から2021年10月まででした。研究はイスラム国際医科大学の倫理審査委員会の承認後に実施されました。 応用 # Riphah /IRC/ 21/28、ヘルシンキ宣言に従い。 倫理的承認と機関の許可は、リーマン歯学部（フォーカス グループのディスカッションとインタビューが実施されました）および他の歯科大学（調査が実施された場所）からも得られました。 研究の簡単な説明がすべての参加者に共有され、3 つのフェーズすべての前にインフォームドコンセントが取られました。 参加者の身元は匿名に保たれた。

私たちの研究は大きく 3 つの段階に分けることができます。

文献検索と批判的分析の後、関連論文の最終候補リストに qualsyst 基準が適用されました。 現在の研究に関連するテーマが特定され、それに従ってフォーカス グループ ディスカッション (FGD) とインタビューが計画されました [12]。 ペシャワールのリーマン歯学部で 2 件の FGD が実施されました。 8 人の最終学年の歯学部生が目的を持ったサンプリング手法によって選ばれました。 学生はあらゆる学習環境の主要な関係者の 1 人であるため、このトピックに関して長く深く話し合うことができるため、フォーカス グループ ディスカッションの対象に選ばれました。 主任研究者がモデレーターの役割を果たし、チームのメンバーの 1 人が計時を担当し、もう 1 人が筆記者の役割を割り当てられました。 参加者にインフォームドコンセントをとった後、パワーポイントによるプレゼンテーションで研究プロジェクトの概要を説明しました。 8 人のグループ参加者によるディスカッションは、自由回答形式の質問に基づいて行われました。 同時データ分析により、面接の質問を作成するための道が開かれました。

マイクロラーニング環境に関する教師の認識を深く理解するために、半構造化インタビューが実施されました。 臨床部門と非臨床部門の両方で、参加意欲があり、少なくとも 5 年の指導経験を持つ教師が、目的を持ったサンプリング手法によって選出されました。 理論的なデータ飽和、実際的な考慮事項 (文献ベース)、情報豊富なデータ、およびサンプル サイズのガイドラインに基づいて、サンプル サイズ 8 が達成されました。 ガイド付き面接プロトコルが採用されました。 質問が行われ、その後、突っ込んだ質問やコメントが続きました。 面接の質問は、試験運用と専門家の検証を通じて洗練されました。 各インタビュー対象者にはプロジェクトの簡単な概要が提供され、約 30 分間の対面インタビューの前に書面による同意書に署名されました。 面接は参加者の都合に合わせてさまざまな部署で実施されました。 主任研究者はすべてのインタビューを自分自身で実施し、音声で録音しました。 データ収集プロセスを修正し、後続のインタビューに新たなテーマを含めるために、同時にデータ分析が行われました。 最終的な文書は 49 項目から構成されていました。 質問形式ではなく、記述形式で項目を記述しました。 クローズドエンド調査の質問には、4 点リッカート尺度が使用されました。

2 ラウンドを含む修正された Delphi 技術が使用されました。 Delphi テクニックは、古典的な形式と修正された形式の両方で、アンケートの検証のために研究者によって古くから使用されてきました [13、14]。

専門家による検証のための専門家の数については相互合意がありません。 文献によると、構成の明確さに関してより明確な合意を得るには、10 人から 100 人の専門家に連絡することが可能です。 通常、最大 20 ～ 30 人の専門家が必要です [11]。

パキスタンおよび海外からの目的のあるサンプリング技術を使用して、25 人の医学教育者からなる委員会が専門家として選ばれました。 参加者には事前にプロジェクト概要とともに招待メールが送られてきました。 アンケートへの回答に同意した専門家はわずか 20 名でした。 医学教育の修士号を取得し、医科大学または歯科大学で 5 年以上の教育経験を持つ医学教育者が、同様の主題の理解を考慮して研究に含まれました。 参加者には 4 段階のリッカート尺度が提供され、構成要素との関連性に従って項目を評価するように指示されました (非常に関連性がある (HR) 04、かなり関連性がある (QR)03、ある程度関連性がある (SR)02、関連性がない (NR) 01)。 それに加えて、参加者はコメントボックスに貴重なコメントや提案を追加するよう求められました。 参加者には、極端な選択肢を選択した場合に備えて、それを正当化するよう奨励されました。 アンケートの各セクションの最後には、パネリストに追加のコメントを提案するよう促す自由回答の質問が含まれていました。 CVI が 0.90 以上の項目が含まれ、0.78 ～ 0.90 に修正され、I-CVI ≤ 0.78 の項目は削除されました [13]。 37 項目を含む文書は、参加者によって提案された必要な修正を経て、第 2 回デルファイラウンドに送られました。 第 1 ラウンドで合意に達しなかった発言のリストを含む改訂された質問票は、第 1 ラウンドで回答した 20 人の専門家に郵送されました。 第 2 ラウンドでは、Google フォームを通じて回答を受け取ったのは 12 人の専門家のみでした。 各項目は、その項目がどれほど重要であるかを考慮して、4 段階のリッカート スケールでマークされました。 コンテンツ有効性比 (CVR) は、Lawshe の公式、つまり CVR = (Ne-N/2)/(N/2) によって計算されました (LAWSHE、1975)。 リッカート尺度が再度使用されました (非常に必須 - 4、かなり必須 - 3、やや必須 - 2、必須ではない - 1)。 12 人の専門家からなるパネルのアイテム保持の CVR の臨界値は 0.6 であるため、CVR が 0.8 を超えるアイテムはそのまま保持され、0.60 ～ 0.80 の範囲にあるアイテムは修正され、値が 0.60 未満のアイテムは修正されました。省略[15](図2)。

Delphi ラウンドのフローチャート

認知的事前テストは、応答プロセスの妥当性を判断するために使用されます。 認知機能の事前テストには 10 ～ 30 人の参加者が必要ですが、文献によれば、小規模な研究の場合はサンプル サイズ 5 ～ 6 で十分である可能性があります [11]。 私たちのケースでは、パキスタンのさまざまな私立および政府の歯科研究所から、歯科外科学学士の学生 10 人のサンプルサイズが、非確率コンビニエンス サンプリングによる約 15 分間の認知面接のために選択されました。 インタビューは口頭調査法を使用して行われた[14]。

6 つの歯科大学 (1 クラスに 50 人の BDS 学生がいる大学) の歯科学生 1,200 人の母集団サンプル サイズを採用し、サンプル サイズはオープン エピ計算機によって 292 と計算されました。 単純なランダム サンプリングが利用されました。 カイバル・パクトゥンクワ州の3つの大学（レーマン歯学部、カイバー歯学部、サルダール・ベグム）とパンジャブ州（陸軍医科大学、財団大学歯学部、ワティム医科歯科大学）の歯学部学生が選ばれた。 研究におけるバイアスを避けるため、参加者の選択は純粋に自主的に行われ、参加者の機密性は厳格に維持されます。 500 人の参加者が、非確率的目的サンプリングによるパイロット テストと因子分析のために選ばれました。 アンケートはオンライン対応用の Google フォームに配信されました。

SPSS を使用して探索的因子分析を実行しました。 確認的因子分析 (CFA) には AMOS ソフトウェアが使用され、内部整合性のために SPSS バージョン 24 を使用してクロンバックのアルファが計算されました。

フォーカス グループのディスカッションは、コーディング サイクルを使用して手動で転写されました。 コーディングの最初のサイクルでは、主任研究者によって意味のあるユニットが特定されました。 これらのユニットをまとめてコードを開発しました。 フォーカス グループの参加者は、48 個の意味のあるコードを分類しました。 インタビューデータを分析した結果、32 個のオープンコードが特定されました。 フォーカス グループのディスカッションとインタビューの両方のコードが結合されました。 コードが再度評価され、同様のコードがマージされ、最終的に 5 つの主要カテゴリのセットが完成しました。 これらのカテゴリーは、マイクロラーニング環境における教育の質の重要な領域であると考えられました。

I-CVI ≤ 0.78 の 12 項目が削除されました。 I-CVIの値と専門家からの定性的なフィードバックをもとに16項目を見直しました。 残りの 21 項目はそのまま保持されました。 スケール内容有効性指数/平均 (S-CVI/Ave) の値は 0.92、スケール内容有効性指数/普遍的合意 (S-CVI/UA) の値は 0.61 でした。

第 2 ラウンドでは、37 件の項目が Google フォームに転送され、20 人の専門家 (第 1 ラウンドの回答者) に回覧されました。 12 人の参加者の回答に基づいて、コンテンツ有効率 (CVR) が決定されました。 CVR が 0.60 未満の 14 項目が削除されました。 CVRが0.60～0.80の13品目を見直した。 CVR が 0.80 を超えるアイテムは、次のラウンドの商品に含まれました。

認知機能の事前テストには、10 人の医師教師が参加しました。 文書の項目の記述に関する参加者の意見を調査しました。

この研究のサンプル全体のサイズは (n = 500) で、均等にランダムな 2 つのサブサンプル (A および B) グループに分割されました。 まず、サブサンプル A (n = 250) を用いて因子構造を EFA により測定しました。 SPSS 21.0 を使用して、探索的因子分析 (EFA) を実行して、潜在変数の共通因子を探しました (表 1)。 主成分因数分解法が選択されました。 この研究の目的は、教育方法論、トレーニング、実践などの概念を検討することでした。この方法を使用して、このプロセスが意味のある結果をもたらすために抽出されるいくつかの要素が決定されました。 要因を発見するために Promax 法が使用されました。

負荷および相互負荷の基準は 0.4 に設定され、負荷が 0.4 未満および相互負荷が 0.4 を超える品目は除外されました。 このアプローチは、推定上の因子への負荷が最大化され、他の因子への負荷が最小化される単純な構造が見つかるまで繰り返されました。 安定したものを選択するには、因子ごとに少なくとも 3 つの変数が必要でした (表 2)。

スケールの要因妥当性は、すべての項目で EFA を使用していました。 Kaiser-Meyer-Olkin のサンプリング適切性スコアは 0.804、カイ二乗は約 0.804 でした。 値は 2363.785 で、バートレットの球形度検定は統計的に有意 (P = 0.000) であり、このデータが因子分析に適していることを示しています (表 3)。 データベース内の合計項目差異の 64.475% を占める 24 項目を含む 5 要素の解が得られました。

因子1「教育実践」5項目で9.945%、因子2「学習者支援」9項目で27.491%、因子3「教育能力」3項目で8.380%、因子4「進歩的な教員」 3 つの項目で 5.814% を占め、因子 5「教育環境」は 4 つの項目で 13.845% を占めました (表 4)。

因子構造は、確認的因子分析 (CFA) を使用して交差検証されました。 サブサンプル B (N = 250) のデータを CFA に使用して、因子構造の安定性をさらに確認しました。 CFA モデルの適合度は、さまざまなモデル適合指数を使用して評価されました。 この調査では、近似二乗平均平方根誤差 (RMESEA)、比較適合指数 (CFI)、標準化二乗平均平方根残差 (SRMR)、増分適合指数 (IFI)、およびその他の指数が使用されました。 すべてのコンポーネントの回帰重みの因子負荷量は、q24 を除いて 0.50 を超えています。 これは、各変数 (少なくとも 3 つ) の要件により保持されました。 パス モデルは回帰重みとともに示されています (図 3)。

AMOSを使用した確証的因子分析。 「TP: 教育実践」 「LS: 学習者サポート」 「CIT: 教育における能力」 「PF: 進歩的な教員」 「TE: 教育環境」

他の (n = 250) ケースについては AMOS 21.0 を使用して確認的因子分析 (CFA) が実行され、CFA と EFA が同様にランダムに選択され、同じ 5 因子構造の結果が得られました。 多くの CFA 適合指数は、モデルに対する非常に良好な適合を示しました。 これらの指数は、次の表 (表 5、6、7、8、9、および 10) の因子構造の裏付けを示しています。

一方、適合度指数のカット値と実際の値を示す要約表は次のとおりです。

私たちの機器は、作業記憶が情報を小さな断片に保存し、繰り返しや適切な編成 (年代順またはチャンキング) によって検索できることを示唆する情報処理理論に基づいて開発されました。 現在の研究では AMEE ガイド No. 87 を利用しました [14]。 私たちの楽器のテーマは、教育実践、学習者のサポート、教育能力、進歩的な教員、学習環境です。 私たちの機器の信頼性は 0.94 であることが判明し、各ドメインの個々のクロンバックのアルファも 0.9 を超えているため、これらを独立して使用することもできます。 このツールの内容と構成の妥当性も、Delphi ラウンド、認知予備テスト、確認的および探索的因子分析を通じて確立されました。

マイクロラーニング環境の概念は、以前の文献でも確認されています。 簡単なマイクロラーニング環境の尺度の開発に関連した以前の研究の 1 つは、2020 年に Isba らによって実施されました。この研究も私たちの研究と同様に混合法研究でしたが、彼らはさまざまな医療専門家に関連する医療学生からデータを収集しました。 アンケートの作成には文献レビューと医療学生からの実際的なデータのみが利用され、専門家の検証のために Delphi ラウンドは 1 回だけ実施されましたが、私たちの研究では、より全体的な視点を得るために、学生の意見 (フォーカス グループ ディスカッション)、文献レビュー、歯科教師（インタビュー）の認識と、その後の専門家（医学教育者）の検証が求められました。 合意に達するために、2 回の Delphi ラウンドが実施されました。 教育の質とスタッフの態度と行動は HEMLAM ツールでのみ強調されましたが、私たちの場合は教育の質の 5 つの領域が調査されました [16]。 あなたは、テクノロジーを活用したアクティブ ラーニングという新しい手段を開発し、検証しました。 在庫 (TEAL)。 これは、インタラクティブ、エンゲージメント、問題解決スキル、関心、フィードバックという 4 つの尺度で構成されていました。 調査目的には 7 ポイントのリッカート尺度が使用されました。 ムーアとベンバサットの機器開発プロセスは、アイテムの作成、カードの分類、および機器のテストで構成され、内容、構成の妥当性、および信頼性を確保するために使用されました。 それとは対照的に、私たちの研究は機器開発のための AMEE ガイド 87 の 8 つのステップに従いました。 参加者の反応を評価するために 5 点リッカート尺度が使用され、私たちの領域は教育の質のみを中心に展開されました。 それに加えて、学生の認識のみが私たちの研究中にのみ提供されます。 学生、教師、医学教育専門家の意見はすべて記録され、分析されました [17]。

E ラーニング教育雰囲気測定 (EEAM) と呼ばれる 40 項目のツールが、E ラーニングに対する学生の認識を測定するために開発されました。 プログラムの有効性、教育の質、倫理とプロフェッショナリズム、学習者のサポート、安全性と利便性、規則の認識などの 6 つの領域が取り上げられました。 一方、私たちの研究では、教育の質のさまざまな領域を詳細に評価しました。 著者らは E ラーニング環境を強調していますが、私たちの研究はマイクロラーニング環境に焦点を当てています [18]。

Bruck [19] および Aitchanov らによる以前の文献。 アル。 [20] はソーシャル メディア テクノロジーである Twitter を使用し、Kovachev, Cao, Klamma & Jarke (2011) [21] はバイリンガル語彙学習の実験を行い、同様に Wang (2017) は工学機械実験を実施する効果を調査しました。つまり、シーケンスされたビデオはすべて、マイクロラーニングの使用により有望な結果を示しました [22]。

DREEM の目録には 50 の項目があり、生徒の学習に対する認識に関連する 5 つの下位尺度があります。 生徒の教師に対する認識。 学生の学問的自己認識。 学生の雰囲気の認識。 学生の社会的自己認識。 一方、私たちの研究では、教育の質に関連する 5 つのドメインを持つ在庫のみを使用して、歯学部の学生のマイクロラーニング環境を測定しています [23]。 6つのドメインからなる最終的な50項目のAMEETインベントリは、学生ではなく教師が経験する教育環境に対する医学部教員の視点を評価するために使用された[22]。

理論的な意味との関連で、私たちの研究は文献に進歩をもたらしました。 デジタル化の新たなトレンドにより、私たちの集中力の持続時間は短縮されており、魅力的で活気に満ちたマイクロラーニング環境が時代のニーズとなっています。 教師、学生、医療専門家は、教育の質に特に焦点を当てて、それぞれの教育機関の学生のマイクロラーニング環境を評価するために当社のツールを使用できます。 学生の関与を高め、学生の満足度を高め、学習体験にプラスの影響を与えることで、現在のシステムの間違いを修正し、前進する道を切り開くことができます。

機器開発のすべてのステップを慎重に実行するためにあらゆる努力が払われましたが、言及する価値のある欠点がまだいくつかあります。 データは 1 つの国からのみ収集されているため、研究結果は一般化できません。 研究の主な焦点は、教育の質のみ、学生や行政などの他の利害関係者、テクノロジーへの容易なアクセス、適切なコンテンツの作成と評価などのマイクロラーニング環境に影響を与えるその他の要因の観点から、マイクロラーニング環境の全体像を把握することでした。も考慮に入れてください。 教育の質に関するさまざまな領域にわたる項目の数が不均衡であることは、この研究の重大な欠点の 1 つです。 ツールを簡潔に保つには、因子の構造と心理測定の性質をそのままにしながら、サイズを小さくする努力をする必要があります。 この機器は、国内および世界各地のさまざまな専門家グループおよびさまざまな環境の医療学生の新しいサンプルで検証される必要があります。

この手段は、その一般化可能性を証明するために、パキスタンおよび海外の他の機関で検証される必要があります。 このガイドラインは、大学の教員がマイクロラーニング環境の欠陥を特定するのに役立ち、パフォーマンスを完璧にするための基礎を提供します。 マイクロラーニング環境の他の側面も考慮に入れることで、研究の幅を広げることができます。 マイクロラーニング環境に関するワークショップやセミナーの実施後の教育の質の向上における現在のツールの役割は、研究で研究される必要があります。 この機器を使用してスマートフォン アプリを生成し、学生がテクノロジーを活用したマイクロラーニングに使用でき、即座にフィードバックも提供できるようにすることは、有望なアイデアです。

MLES と名付けられた最終的な手段は、4 段階のリッカート スケールで評価される 24 項目で構成されていました。 機器の内容の妥当性、構造の妥当性、および信頼性が決定されました。 今回の研究の最も注目すべき長所は、機器開発の適切な手順が踏まれたことである。 さまざまな大学の管理者は、特に教育の質の観点から学生のマイクロラーニング環境を測定するために、この手段を教育機関の質評価プログラムに組み込むことができます。 この研究結果は、大学にマイクロラーニング環境を改善するさらなる利益をもたらすでしょう。

「この研究中に生成または分析されたすべてのデータは、この公開された論文[およびその補足情報ファイル]に含まれています。」 サポートデータは次のように入手できます。

∙ フォーカスグループディスカッションの質問 (専門家による検証後): 付録-I

∙ 面接の質問（専門家による検証後） 付録-II

∙ Delphi ラウンド 1 の質問 付録-III

∙ Delphi ラウンド 2 の質問 付録 IV

∙ 認知的インタビューの結果。 付録-V

∙ パイロットスタディ用アンケート 付録-VI

Dundee Ready教育環境対策

麻酔劇場教育環境対策

大学院教育雰囲気対策

外科劇場教育環境対策

リーマン歯学部

歯科外科学の学士号

フォーカスグループディスカッション

探索的因子分析

確認因子分析

医療教育マイクロラーニング環境対策

テクノロジーを活用したアクティブラーニング。 在庫

コンテンツ有効率

コンテンツ有効性インデックス

社会科学の統計パッケージ

近似の二乗平均平方根誤差

比較適合指数

標準化された二乗平均平方根残差

増分フィットインデックス

周泰（2018）。 ニューメディアを背景としたマイクロラーニング環境の構築と応用。 Atlantis-press.com で。 https://www.atlantis-press.com/proceedings/icesame-18/25898402 から取得

アルクラシ・エムティナン。 マイクロラーニング: テクノロジー統合のための教育的アプローチ。 2017年。

Google スカラー

ド・ガニェ JC、ウッドワード A、パーク HK、サン H、山根 SS。 医療専門家教育におけるマイクロラーニング: スコープレビュープロトコル。 JBI データベース システム改訂実装報告書 2019;17:1018–25。 https://doi.org/10.11124/JBISRIR-2017-003884。

記事 Google Scholar

Isba R、Rousseva C、Wolf K、Byrne-Davis L. 医療従事者教育で使用するための簡単な学習環境尺度の開発: 医療教育マイクロ学習環境尺度 (HEMLEM)。 BMCメッドエデュック。 2020;20(1):1–9。

記事 Google Scholar

ハイマン、KS、ロプストルフ、A. (2018)。 遊び心はどのように動機づけられるのか - ミクロ現象学的調査によって明らかになった自律性と驚きの推定ループ効果。フロント。 サイコル、9。 https://doi.org/10.3389/fpsyg.2018.017046。

チュアン YH、ツァオ CW。 看護学生の薬知識向上：ショートメッセージサービスによる教材配信の効果。 コンピューティング教育。 2013;61:168–75。

記事 Google Scholar

Zhou, Y. ニューメディアを背景としたマイクロラーニング環境の構築と応用。 Atlantis-press.com で。 2018。https://www.atlantis-press.com/proceedings/icesame-18/25898402 から取得

Sanders J. 医学教育でポッドキャストを使用するための 12 のヒント。 メッド・ティーチ。 2009;31(5):387–9。

記事 Google Scholar

Nanula, N.、Ahmed, L.、および Rudkowski, J. 内科クラークシップ向けの従来の医療リソースと比較した「5 Minute Medicine」ビデオ ポッドキャスト シリーズの評価。 メッド・ティーチ、2012年。 34(11)。 https://doi.org/10.3109/0142159X.2012.689446

Diug B、Kendal E、Ilic D. 医学教育への関与を高めるツールとしての Twitter の使用を評価。 教育健康。 2016;29(3):223–30。 https://doi.org/10.4103/1357-6283.204216。

記事 Google Scholar

Artino AR、La Rochelle JS、Dezee KJ、Gehlbach H. 教育研究のための質問表の作成: AMEE Guide No. 87. Med Teach。 2014;36(6):463–74。 https://doi.org/10.3109/0142159X.2014.889814。

記事 Google Scholar

Sharma B. 医療、歯科、救急医療の専門家の間でクロンバックのアルファを通じた発達研究の信頼性に焦点を当てています。 アジアン パック J ヘルス サイエンス 2016;3(4):271–8。 https://doi.org/10.21276/apjhs.2016.3.4.43。

記事 Google Scholar

Shi J、Mo X、Sun Z. スケール開発におけるコンテンツ妥当性指数. Zhong nan da xue xue bao. Yi Xue ban= J Cent South Univ (Med Sci). 2012;37(2):152–5.

Google スカラー

Artino AR、La Rochelle JS、Dezee KJ、Gehlbach H. 教育研究のための質問表の作成: AMEE Guide No 87. Med Teach。 2014;36(6):463–74。 https://doi.org/10.3109/0142159X.2014.889814。

記事 Google Scholar

エアー・C、スクリー・AJ。 Lawshe のコンテンツ有効率の重要な値: 元の計算方法を再検討します。 測定評価カウンズ開発 2014;47(1):79–86。 https://doi.org/10.1177/0748175613513808。

記事 Google Scholar

Shi J、Mo X、Sun Z. スケール開発におけるコンテンツ妥当性指数. Zhong nan da xue xue bao Yi Xue ban= J Cent South Univ (Med Sci). 2012;37(2):152–5.

Google スカラー

シュロフ RH、ティン FS、ラム WH。 テクノロジーを活用したアクティブラーニングに対する生徒の認識を測定する手段の開発と検証。 オーストララス。 J.Educ. テクノロジー。 2019;35(4):109–27。

Mousavi A、Mohammadi A、Mojtahedzadeh R、Shirazi M、Rashidi H. E ラーニング教育雰囲気測定 (EEAM): E 生徒の教育環境に対する認識を評価するための新しい手段。 技術を学びましょう。 2020;28.

Alquurashi E. 情報の保持を促進するためのマイクロラーニング環境の作成: 3 段階のアプローチ。 カンザス州: 第 41 回年次 AECT の議事録。 2018年。

Google スカラー

Alquurashi E. マイクロラーニング: テクノロジー統合のための教育的アプローチ。 トルコのオンライン J Educ Technol。 2017;16:942–7。

Google スカラー

Roff S、McAleer S、Skiner A. 40 の質問を持つ PHEEM インベントリは、大学院医学生の臨床学習と教育環境を測定するために開発されました。 英国の病院を拠点とする若手医師の大学院臨床学習と教育環境を測定するための機器の開発と検証。 メッド・ティーチ。 2005;27(4):326–31 (Med Teach、27(4)、322–325)。

記事 Google Scholar

シェナズ SI、プレマダーサ G、アリフラ M、スリーダラン J、ゴマティ KG。 AMET インベントリの開発と検証: 教育環境に対する医学部教員の認識を測定する手段。 ティーチと一緒に。 2015;37(7):660–9。 https://doi.org/10.3109/0142159X.2014.947935。

記事 Google Scholar

Sharma R、Gordon M、Dharamsi S、Gibbs T. 医学教育における系統的レビュー: 実践的なアプローチ: AMEE ガイド 94. Med Teach。 2015;37(2):108–24。

記事 Google Scholar

リファレンスをダウンロードする

なし。

適用できない。

リーマン歯学部、ペシャワール、パキスタン

ザイナブ・アクバル

リファ国際大学、イスラマバード、パキスタン

リハン・アーメド・カーン、フマイラ・ファイヤズ・カーン、ラヒラ・ヤスミーン

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

作品の構想や設計に多大な貢献をしたのは、Rehan Ahmed Khan 博士です。 Zainab Akbar 博士は、この作品のデータの取得、分析、または解釈に貢献しました。作品の草稿を作成したり、重要な知的内容について批判的に改訂したりする間、出版されるバージョンの最終承認は、Humaira fayyaz khan 博士と Dr. によって行われました。 . ラヒラ・ヤスミーン。 著者は最終原稿を読んで承認しました。

ザイナブ・アクバル氏への通信。

この研究は、イスラム国際医科大学の倫理審査委員会の承認後に実施されました。 応用 # Riphah /IRC/ 21/28 (付録 I)。 ヘルシンキ宣言に従って調査が実施されました。 倫理的承認と機関の許可は、リーマン歯学部 (フォーカス グループのディスカッションとインタビューが実施されました) および他の歯科大学 (調査が実施された場所) からも得られました。 研究の簡単な説明がすべての参加者に共有され、3 つのフェーズすべての前にインフォームドコンセントが取られました。)

すべての参加者からインフォームドコンセントを得ました。 フォーカスグループのディスカッションとインタビューの参加者は、書面による同意書にも署名しました（サンプルは関連データとして添付されました）。

適用できない。

著者らは競合する利害関係を宣言していません。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

グループディスカッションに焦点を当てます。 付録 II。 面接の質問。 付録Ⅲ。 デルフィのラウンドワンを改造したもの。 付録 IV。 デルフィ第2ラウンド。 付録 V. 認知的インタビューの結果。 付録VI。 アンケート。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。 データのクレジットラインに別途記載がない限り、クリエイティブ コモンズ パブリック ドメインの献身的権利放棄 (http://creativecommons.org/publicdomain/zero/1.0/) は、この記事で利用できるデータに適用されます。

転載と許可

アクバル、Z.、カーン、RA、カーン、HF 他。 学生のマイクロ学習環境 (MLEM) を測定する機器の開発と検証。 BMC Med Educ 23、395 (2023)。 https://doi.org/10.1186/s12909-023-04381​​-3

引用をダウンロード

受信日: 2022 年 4 月 21 日

受理日: 2023 年 5 月 20 日

発行日: 2023 年 5 月 31 日

DOI: https://doi.org/10.1186/s12909-023-04381​​-3

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

前: コメット歯科 次: 事業開発、イノベーション、トップ企業別の歯科用器具キャビネット市場2023年予測
お問い合わせを送信
送信