课程设计与实施
检验基于Twitter的多站点课程在提升真菌诊断知识方面的效果。
设计并实施一个8周、每周两次的Twitter课程,包含临床病例多选题和tweetorials,覆盖真菌诊断、BDG和GM结果解读及IFI风险因素等主题。
Teaching Everyone Everywhere All at Once: Leveraging Social Media to Implement a Multisite Fungal Diagnostics Curriculum
包含前后调查、Twitter分析及访谈的混合方法评估,但核心为教育干预,缺乏分子或动物实验等传统实验层级验证。
临床医生学员(来自3个美国学术中心的住院医师、医院医生及重症监护室提供者)
课程干预方式:通过Twitter账号每两周发布一次临床病例多选题,共16题,涉及IFI相关诊断 前后知识评估采用不同临床病例但对应相同学习目标 参与者的基线特征:包括培训水平、机构及既往IFI教育经历 社交媒体参与度指标:展示次数、互动次数及互动率
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
检验基于Twitter的多站点课程在提升真菌诊断知识方面的效果。
设计并实施一个8周、每周两次的Twitter课程,包含临床病例多选题和tweetorials,覆盖真菌诊断、BDG和GM结果解读及IFI风险因素等主题。
评估课程前后参与者的知识变化。
通过Qualtrics软件向参与者发送前后调查问卷,包含10道临床病例多选题,评估知识水平。
深入理解参与者对课程的感知、益处和障碍。
对医学教育路径中的住院医师进行一对一半结构化访谈,采用迭代、持续比较法分析转录文本。
衡量课程的对外传播范围和参与度。
收集并分析Twitter账号(@FilaMentor)的分析数据,包括关注者人数、地理分布、推文展示次数、互动次数及互动率。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 课程实施 | -- | -- | |
| 调查管理 | Qualtrics | -- | -- |
| 社交媒体分析 | Tweepsmap | -- | -- |
| 数据分析 | Stata 13.0 | StataCorp | -- |
| R 4.0.3 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 课程实施 | 课程内容的选题和起草,以及推文的发布时间和频率 阅读提示:Methods: Twitter-Based Curriculum |
| 知识评估 | 前后调查的参与者名单、邀请流程和调查内容 阅读提示:Methods: Pre-Post Surveys |
| 定性评估 | 受访者的具体身份信息和采访提纲 阅读提示:Methods: Interviews |
| 社交媒体数据分析 | 点赞、展示和互动的具体统计时间点和算法 阅读提示:Methods: Twitter Analytics |