Какой компьютер используется для составления интеллект-карты по информатике для 3 класса

Обновлено: 21.11.2024

Ключевой целью информатики здравоохранения является представление биомедицинских данных и знаний в форме, пригодной для вычислений, что позволяет хранить, извлекать, анализировать и интерпретировать биомедицинские данные с помощью компьютеров. Этот курс предназначен для предоставления основополагающих концепций информатики здравоохранения. Курс будет охватывать такие темы, как биомедицинские данные, символические биомедицинские знания, вероятностные биомедицинские знания, поддержка принятия клинических решений, электронные медицинские карты и биомедицинские термины. Подробнее>>

BIOINF 2024: Дизайн проекта и анализ данных (3 кредита)

Этот курс познакомит слушателей с планированием, выполнением и оценкой проекта, включающего сбор и анализ данных. Он будет охватывать основные концепции сбора данных, экспериментальной методологии и статистической оценки. Студенты также должны будут выбрать тему, на которой они будут строить экспериментальный план и анализ. На этом практическом курсе они узнают, как планировать и разрабатывать такой проект, а также как оценивать данные, чтобы определить, достигнуты ли цели проекта. Эти задачи экспериментального проектирования будут опубликованы в Интернете, а организованное обсуждение будет отражать обычное обсуждение в классе.

BIOINF 2110: Концепции проектирования программного обеспечения в здравоохранении (3 кредита)

В этом курсе будет рассмотрено, как организации здравоохранения управляют процессом разработки программного обеспечения. Этот курс будет изучать, как взаимодействуют технологии, люди и экономика программных проектов, а также влияние этих элементов на управление программными проектами. Проекты разработки программного обеспечения, осуществляемые в Университете Питтсбурга, послужат в качестве основных тематических исследований для практических примеров управления системой и ее эксплуатации. У студента будет возможность узнать об отраслевых стандартах данных и меняющемся ландшафте развертывания электронных медицинских карт (EMR) в эпоху подотчетных медицинских организаций и осмысленного использования. Курс предназначен для подготовки студентов к роли руководителя проекта по разработке программного обеспечения для создания качественного программного обеспечения. Подробнее>>

BIOINF 2117: Прикладная медицинская информатика (3 кредита)

Этот курс предназначен для ознакомления с областью прикладной медицинской информатики. Студенты узнают о множестве проблем, возникающих при развертывании информационных технологий в клинической среде. Эксперты, участвующие в повседневной работе этих типов систем, будут решать практические, реальные решения проблем ИТ в здравоохранении и помогут подготовить студента к ролям в области прикладной информатики. Онлайн-обучение будет следовать конструктивистскому подходу, требующему, чтобы учащиеся разработали концептуальную карту крупномасштабной задачи развертывания с использованием вики. Подробнее>>

BIOINF 2122: Критические размышления о биомедицинской информатике (3 кредита)

В этом курсе будут представлены презентации исследователей DBMI и приглашенных докладчиков со всего кампуса и за его пределами. Сессия будет записана на видео и представлена в виде еженедельной часовой записи. После этого сеанс вопросов и ответов на месте будет заменен облегченным асинхронным онлайн-обсуждением в Blackboard. Особое внимание будет уделяться взаимной и самооценке вклада в онлайн-дискуссию, что будет способствовать развитию мышления учащихся на более высоком уровне. Подробнее>>

BIOINF 2123: Терминология и кодирование (3 кредита)

В этом курсе рассматриваются стандартизированные терминологии (включая онтологии) и системы классификации с акцентом на то, как они соотносятся с информационной инфраструктурой, поддерживающей оказание медицинских услуг и биомедицинские исследования. Будут рассмотрены как теоретические, так и практические вопросы терминологии и систем классификации, а также демонстрация применения этих методов в системах биомедицинской информатики. Будут изучены различные словари, терминологии, стандарты и системы классификации, в том числе: SNOMED, MeSH, ICD, HL7, Основополагающая модель анатомии и Генная онтология. Позже в ходе курса мы изучим взаимосвязь терминологии, информационных моделей, сообщений и структур документов и записей. Будут также рассмотрены отдельные дополнительные темы, такие как семантическая совместимость. Онлайн-учащиеся будут участвовать в аутентичных учебных заданиях, начиная от создания концептуальных карт и заканчивая участием в асинхронных панельных дискуссиях, в ходе которых учащиеся распределяются по командам с противоположными точками зрения.

BIOINF 2124: Принципы глобальной информатики здравоохранения

Хотя информационные системы здравоохранения продолжают повышать эффективность оказания медицинской помощи и вмешательств в области общественного здравоохранения на Западе, они еще не получили широкого распространения в развивающихся странах, где существует большая часть глобального бремени болезней. При надлежащем внедрении такие системы могли бы иметь такой же эффект в условиях развивающегося мира.Однако трансплантационные системы, разработанные на Западе и для него, могут не подойти из-за культурных, географических и социально-экономических различий.

В этом курсе рассматриваются проблемы и возможности разработки и поддержки информационных систем здравоохранения в развивающихся странах путем изучения различий и способов надлежащей интеграции и поддержки систем в условиях ограниченных ресурсов. В ходе курса будет рассмотрено текущее «современное состояние» в этой области путем рассмотрения примеров систем, развернутых в настоящее время в развивающихся странах, и изучены возможности для продвижения этой работы с помощью серии тематических исследований и практических упражнений, основанных на на реальных сценариях. Подробнее>>

BIOINF 2127: Основы информатики патологии (3 кредита)

Основы информатики патологии — это интенсивное введение в концепции информатики и информационных технологий, применяемые к патологии. Курс предназначен как для тех, кто имеет ограниченный опыт в области информатики, так и для тех, кто хочет улучшить свои знания и понимание основных принципов информатики патологии. Участники изучат основные концепции, на основе которых они смогут лучше понять роль информатики в патологии. Охваченные темы включают базовые вычисления для патологии, базы данных в патологии, лабораторные информационные системы (обзор, внедрение и операции), рабочие станции патологии, автоматизацию лаборатории, правила, кодирование, цифровую визуализацию, включая визуализацию всего предметного стекла и электронную медицинскую карту с точки зрения лаборатории. Общая цель этого курса состоит в том, чтобы участник понял, как несколько информационных систем работают вместе, чтобы поддерживать оказание медицинской помощи в связи с патологией.

BIOINF 2128: Advanced Topics in Pathology Informatics (3 кредита)

Информатика патологии стала критически важной, чтобы помочь патологоанатомическим лабораториям решать текущие и будущие задачи. Некоторые из этих проблем включают в себя предоставление синоптических отчетов, безопасность пациентов, централизацию узких специальностей и персонализированную медицину. Многие из этих проблем можно решить, используя существующие и развивающиеся технологии, такие как отслеживание образцов и телепатология. Однако без действующих стандартов и простых руководств по выбору, внедрению и фактическому использованию этих технологий в лаборатории сегодня может быть сложно. Этот курс предоставит участникам текущую информацию по передовым темам информатики патологии, включая выбор лабораторной информации, промежуточное программное обеспечение, специализированные лабораторные системы, системы идентификации пациентов и образцов, синоптические отчеты, визуализацию всего слайда, телепатологию, анализ изображений, банк тканей и уменьшение ошибок и управление качеством.

BIOINF 2129: Летняя стажировка по глобальной информатике здравоохранения

Летняя стажировка по глобальной информатике здравоохранения будет расширена, чтобы в ней могли принять участие 5 студентов из США. Студенты отправятся в Малави, чтобы изучать глобальную информатику здравоохранения в условиях ограниченных ресурсов вместе с малавийскими специалистами в области здравоохранения и технологий. Студенты будут иметь возможность предложить, спроектировать и разработать продукт или вмешательство, имеющее отношение к решению конкретной проблемы, которую определила группа. Подробнее>>

BIOINF 2202: Семинар по стоматологической информатике (3 кредита)

Этот курс преследует три цели: (1) представить введение в текущую и/или новаторскую стоматологическую информатику, а также в отдельные стоматологические и черепно-лицевые темы исследований; познакомить студентов с избранными методами исследования в области биомедицинской информатики; и познакомить студентов с процессом проведения научных исследований и их публикации. В конце курса участники смогут распознавать, определять и формулировать исследовательские вопросы для стоматологической информатики; выбрать соответствующие методологии исследования для конкретных проектов; критически анализировать исследовательские вопросы и методы. Кроме того, участники получат базовые знания о логистике проведения исследовательских проектов, презентации результатов и подготовке исследовательских работ и отчетов. Научные дискуссии будут следовать за каждой сессией, которая будет оцениваться с использованием рубрики онлайн-дискуссии. Преподаватели имеют значительный опыт онлайн-обучения в рамках различных онлайн-курсов повышения квалификации стоматологов.

BIOINF 2204: Введение в медицинские информационные технологии в стоматологии (3 кредита)

Введение в медицинские информационные технологии (HIT) для стоматологов, членов стоматологической бригады и других лиц, связанных со стоматологией, с тремя целями: (1) понять, как HIT может поддерживать деятельность и процессы клинической стоматологической помощи; (2) выбирать и оценивать приложения HIT; и (3) планировать, администрировать и управлять внедрением HIT.Курс охватывает такие темы, как рабочий процесс и анализ стоматологической помощи; электронные стоматологические карты; стоматологические данные и их представление; контролируемые словари и термины; взаимодействие человека с компьютером; информационный дизайн; компьютерная поддержка принятия решений; стратегическое планирование; анализ требований; оценка технологии; управление человеческими ресурсами для ИТ; планирование и внедрение ВИТ; основы аппаратного и программного обеспечения; конфиденциальность, конфиденциальность и безопасность информации о пациентах. Подробнее>>

Ментальная карта – это схема, используемая для визуального представления информации. Интеллект-карта часто создается вокруг одного слова или текста, помещенного в центр, к которому добавляются связанные с ним идеи, слова и понятия. Основные категории исходят из центрального узла, а меньшие категории являются подветвями более крупных ветвей. [ 1 ] Категории могут представлять слова, идеи, задачи или другие элементы, связанные с центральным ключевым словом или идеей.

Ментальные карты можно рисовать вручную, например, в виде «черновых заметок» во время лекции или встречи, или в виде изображений более высокого качества, когда доступно больше времени. Проиллюстрирован пример грубой ментальной карты.

Содержание

Происхождение

Диаграммы, которые визуально отображают информацию с помощью ветвящихся и радиальных карт, восходят к столетиям. Эти изобразительные методы фиксируют знания и модельные системы, а также долгую историю обучения, мозгового штурма, памяти, визуального мышления и решения проблем педагогами, инженерами, психологами и другими. Некоторые из самых ранних примеров таких графических записей были разработаны Порфирием Тиросским, известным мыслителем 3-го века, когда он графически визуализировал концептуальные категории Аристотеля. Философ Рамон Луллий (1235–1315) также использовал такие приемы.

Популяризация термина «карта ума»

Термин "карта ума" был впервые популяризирован британским автором популярной психологии и телеведущим Тони Бьюзеном, когда на канале BBC TV был показан сериал под названием Use Your Head, организованный Бьюзеном. [ 4 ] [ 5 ] В этом шоу и серии сопутствующих книг Бьюзен с энтузиазмом продвигал свою концепцию радиального дерева, изображая ключевые слова в красочной, сияющей, древовидной структуре. [ 6 ]

Бузан говорит, что эта идея была вдохновлена общей семантикой Альфреда Коржибски, популяризированной в научно-фантастических романах, таких как романы Роберта А. Хайнлайна и А. Э. ван Фогта. Бьюзен утверждает, что, хотя «традиционные» схемы заставляют читателей просматривать слева направо и сверху вниз, читатели на самом деле склонны просматривать всю страницу нелинейным образом. Бьюзен также использует популярные предположения о полушариях головного мозга, чтобы продвигать исключительное использование карт памяти вместо других форм создания заметок.

По сравнению с концептуальной картой (которая была разработана экспертами в области образования в 1970-х годах) структура ментальной карты аналогична радиальной, но упрощена за счет одного центрального ключевого слова.

Инструкции по ментальным картам

Бьюзен предлагает следующие рекомендации по созданию интеллект-карт:

Начните с изображения темы в центре, используя не менее 3 цветов.
Используйте изображения, символы, коды и измерения в своей интеллект-карте.
Выберите ключевые слова и напечатайте их прописными или строчными буквами.
Каждое слово/изображение лучше всего размещать отдельно и на отдельной строке.
Линии должны быть соединены, начиная с центрального изображения. Центральные линии толще, органичнее и тоньше, поскольку они расходятся от центра.
Сделайте линии той же длины, что и слово/изображение, которые они поддерживают.
Используйте несколько цветов на интеллект-карте для визуальной стимуляции, а также для кодирования или группировки.
Разработайте свой собственный стиль картирования разума.
Используйте выделение и покажите ассоциации на карте ассоциаций.
Держите ментальную карту четкой, используя радиальную иерархию, числовой порядок или контуры, чтобы охватить ваши ветви.

Этот список сам по себе является более кратким, чем прозаическая версия той же информации, а ментальная карта этих руководств сама по себе предназначена для того, чтобы лучше запоминаться и быстрее просматриваться, чем проза или список.

Как и другие инструменты построения диаграмм, ментальные карты можно использовать для создания, визуализации, структурирования и классификации идей, а также в качестве вспомогательного средства для изучения [ 7 ] и организации информации, решения проблем, принятия решений и написания текстов.

Ментальные карты имеют множество применений в личных, семейных, образовательных и деловых ситуациях, включая ведение заметок, мозговой штурм (где идеи вставляются в карту радиально вокруг центрального узла без неявной расстановки приоритетов, которая исходит из иерархии или последовательного расположения, и где группировка и организация зарезервированы для более поздних стадий), подведение итогов в качестве мнемонической техники или для разбора сложной идеи. Интеллект-карты также рекламируются как способ совместной работы с цветными ручками.

Ментальные карты можно использовать для:

решение проблем
контурный/каркасный дизайн
представления структуры/отношения
анонимное сотрудничество
сочетание слов и изображений
индивидуальное выражение творчества
преобразование материала в краткий и запоминающийся формат
построение команды или создание синергии
повышение трудового настроя

В дополнение к этим прямым вариантам использования данные, извлеченные из карт памяти, можно использовать для улучшения некоторых других приложений, например экспертных поисковых систем, поисковых систем и рекомендаций по поиску и тегам. [ 8 ] Для этого интеллект-карты можно анализировать с помощью классических методов поиска информации, чтобы классифицировать автора интеллект-карты или документы, которые связаны внутри интеллект-карты. [ 8 ]

Отличия от других визуализаций

Концептуальные карты. Интеллект-карты отличаются от концептуальных карт тем, что ментальные карты фокусируются на только одном слове или идее, тогда как концептуальные карты объединяют несколько слов или идей. Кроме того, концептуальные карты обычно имеют текстовые метки на соединительных линиях/плечах. Интеллект-карты основаны на радиальных иерархиях и древовидных структурах, обозначающих отношения с центральной управляющей концепцией, тогда как концептуальные карты основаны на связях между концепциями в более разнообразных шаблонах. Однако любой из них может быть частью более крупной системы личной базы знаний.

Моделирование графиков. В интеллект-картах нет строгих правильных и неправильных представлений, поскольку они основаны на произвольности мнемонических систем. Диаграмма UML или семантическая сеть имеют структурированные элементы, моделирующие отношения, с линиями, соединяющими объекты, чтобы указать отношения. Обычно это делается в черно-белом цвете с четкой и согласованной иконографией. Интеллект-карты служат другой цели: они помогают с памятью и организацией. Интеллект-карты — это наборы слов, структурированные в соответствии с ментальным контекстом автора и визуальными мнемониками. Благодаря использованию цвета, значков и визуальных ссылок они неформальны и необходимы для правильного функционирования интеллект-карты.

Исследования

Фарранд, Хуссейн и Хеннесси (2002 г.) обнаружили, что диаграммы пауков (аналогичные концептуальным картам) оказывали ограниченное, но значительное влияние на память студентов бакалавриата (увеличение на 10 % по сравнению с исходным уровнем только для текста из 600 слов). по сравнению с предпочтительными методами исследования (увеличение на 6% по сравнению с исходным уровнем). Это улучшение было устойчивым только через неделю для участников группы диаграммы, и было значительное снижение мотивации по сравнению с предпочитаемыми испытуемыми методами ведения заметок. Фарранд и др. предположил, что учащиеся предпочитают использовать другие методы, потому что использование интеллект-карты было незнакомой техникой, а ее статус как техники «улучшения памяти» вызывал нежелание ее применять. Тем не менее, вывод исследования был следующим: «Интеллект-карты обеспечивают эффективную технику обучения применительно к письменному материалу. Однако, прежде чем интеллект-карты будут широко приняты в качестве метода обучения, необходимо рассмотреть способы повышения мотивации среди пользователей». [ 9 ]

Прессли, ВанЭттен, Йокои, Фриберн и ВанМетер (1998) обнаружили, что учащиеся гораздо лучше учатся, сосредотачиваясь на содержании учебного материала, а не беспокоясь о какой-то одной конкретной форме ведения заметок. [ 10 ]

Теория специализации полушарий была признана псевдонаучной применительно к картографированию разума. [ 11 ]

Инструменты

Программное обеспечение для составления карт разума можно использовать для организации больших объемов информации, сочетая пространственную организацию, динамическое иерархическое структурирование и свертывание узлов. Пакеты программного обеспечения могут расширить концепцию ментального картирования, позволяя людям сопоставлять не только мысли и идеи с информацией на своих компьютерах и в Интернете, например электронными таблицами, документами, веб-сайтами и изображениями.

Создание MindMap из естественного языка

В 2009 г. Мохамед Эльхосейни и др. [ 12 ] представили первый прототип, способный генерировать MindMap из мелкого текста, который помещается на одном экране. В 2012 году [ 13 ] он расширил ее до более масштабируемой системы, которая может генерировать интеллект-карты из более крупного текста.

Торговая марка

Фраза "карта ума" является товарным знаком компании Бьюзена для специального использования в образовательных курсах по самосовершенствованию. [ 14 ] и США. [ 15 ] Товарный знак не фигурирует в записях Канадского ведомства интеллектуальной собственности.[ 16 ]

Концептуальная карта – это диаграмма, показывающая отношения между концепциями. Это графический инструмент для организации и представления знаний.

Понятия, обычно представляемые в виде прямоугольников или кружков, связаны стрелками с метками в нисходящей иерархической структуре. Отношения между понятиями могут быть выражены в таких связующих фразах, как «вызывает», «приводит к», «требуется» или «способствует». [ 1 ]

Техника визуализации этих взаимосвязей между различными понятиями называется "сопоставление понятий".

Концептуальные карты используются для определения онтологии компьютерных систем, например, при моделировании ролей объектов или формализме унифицированного языка моделирования.

Содержание

Обзор

Концептуальная карта – это способ представления взаимосвязей между идеями, изображениями или словами таким же образом, как диаграмма предложений представляет грамматику предложения, дорожная карта представляет расположение дорог и городов, а схема соединений представляет работы электроприбора. В концептуальной карте каждое слово или фраза связаны с другими и обратно связаны с исходной идеей, словом или фразой. Концептуальные карты — это способ развить логическое мышление и учебные навыки, выявляя связи и помогая учащимся увидеть, как отдельные идеи образуют большее целое. [ 2 ]

Концептуальные карты были разработаны для повышения значимости изучения естественных наук. Хорошо сделанная концептуальная карта растет внутри контекстного фрейма, определяемого явным «фокусным вопросом», в то время как интеллект-карта часто имеет только ответвления, расходящиеся от центральной картины. Имеются данные исследований, подтверждающие, что знания хранятся в мозге в форме продукции (условных реакций на ситуацию), которые воздействуют на содержание декларативной памяти, которое также называют фрагментами или предложениями. [ 3 ] [ 4 ] Поскольку концептуальные карты построены так, чтобы отражать организацию системы декларативной памяти, они облегчают осмысление и осмысленное обучение со стороны людей, которые составляют концептуальные карты, и тех, кто их использует.

Концептуальное картирование в сравнении с тематическими картами и интеллект-картами

Концептуальные карты довольно похожи на тематические карты (в том смысле, что обе позволяют связать концепции или темы с помощью графиков), и обе они могут быть противопоставлены аналогичной идее карты разума, которая часто ограничивается радиальными иерархиями и древовидными структурами. Среди различных схем и приемов визуализации идей, процессов, организаций картографирование понятий, разработанное Джозефом Новаком, уникально по философской основе, которая «делает понятия и предложения, составленные из понятий, центральными элементами в структуре знания и построения имея в виду." [ 5 ] Еще одним отличием между концептуальным картированием и майнд-картой является скорость и спонтанность при создании майнд-карты. Интеллект-карта отражает то, что вы думаете об одной теме, что может помочь в групповом мозговом штурме. Концептуальная карта может быть картой, системным представлением, реальной (абстрактной) системой или набором понятий. Концептуальные карты имеют более свободную форму, так как могут быть созданы несколько узлов и кластеров, в отличие от ментальных карт, которые фиксируются на одном концептуальном центре.

История

Техника отображения понятий была разработана Джозефом Д. Новаком [ 6 ] и его исследовательской группой в Корнельском университете в 1970-х годах как средство представления новых научных знаний студентов. Впоследствии он использовался в качестве инструмента для повышения значимости обучения в области естественных наук и других предметов, а также для представления экспертных знаний отдельных лиц и групп в сфере образования, правительства и бизнеса. Концептуальные карты берут свое начало в движении обучения, называемом конструктивизмом. В частности, конструктивисты считают, что учащиеся активно создают знания.

Работа Новака основана на когнитивных теориях Дэвида Осубеля (теория ассимиляции), который подчеркивал важность предварительных знаний для способности усваивать новые концепции: "Самый важный фактор, влияющий на обучение, – это то, что учащийся уже знает. Выяснить этому и учите соответственно». [ 7 ] Новак учил шестилетних школьников составлять концептуальные карты, отражающие их ответы на такие вопросы, как «Что такое вода?» «Что вызывает времена года?» В своей книге Learning How to Learn Новак утверждает, что «осмысленное обучение предполагает ассимиляцию новых концепций и предложений в существующих когнитивных структурах».

Были предприняты различные попытки концептуализировать процесс создания концептуальных карт. Рэй Макалис в серии статей предположил, что картографирование — это процесс разгрузки. В этой статье 1998 года Макализ опирается на работу Сова [8] и статью Свеллера и Чендлера. [ 9 ] По сути, Макалис предполагает, что процесс явного раскрытия знаний с использованием узлов и отношений позволяет человеку осознать то, что он знает, и в результате быть в состоянии изменить то, что они знают.[ 10 ] Мария Бирбили применяет ту же идею, чтобы помочь маленьким детям научиться думать о том, что они знают. [ 11 ] Концепция арены знаний предполагает виртуальное пространство, где учащиеся могут исследовать то, что они знают и чего они не знают.

Концептуальные карты используются для стимулирования генерации идей и, как считается, способствуют творчеству. [ кем? ] Например, концептуальное картирование иногда используется для мозгового штурма. Хотя концептуальные карты часто индивидуализированы и своеобразны, их можно использовать для передачи сложных идей.

Формализованные концептуальные карты используются при проектировании программного обеспечения, где обычно используются схемы унифицированного языка моделирования среди аналогичных соглашений и методологий разработки.

Отображение понятий также можно рассматривать как первый шаг в построении онтологии, а также его можно гибко использовать для представления формальных аргументов.

Концептуальные карты широко используются в образовании и бизнесе. [ 12 ] Использование включает:

Цель. Целью этого проекта было изучение технологий цифрового здравоохранения в среде здравоохранения с помощью инструментов концептуального и ментального картирования в практическом курсе информатики для выпускников. Дизайн: этот описательный проект оценки курса был проведен в крупной университетской школе медсестер в течение 2019–2020 учебного года и включал удобную выборку из 163 студентов докторов медицинских сестер. Методы: учащиеся выполнили четыре основных задания, изучая технологии цифрового здравоохранения и источники данных с помощью ментальных карт. Цели проекта оценивались с использованием подробных рубрик и данных из вопросника оценки курса (CEQ), а затем анализировались с использованием описательной статистики. Комментарии от CEQ и документы для размышлений были рассмотрены по темам и подтверждены двумя экспертами. Выводы. Разнообразие и креативность ментальных карт, а также комментарии учащихся указывают на их способность применять навыки критического мышления к конкретному изучаемому содержанию и технологиям. Общие средние баллы CEQ были высокими (M = 4,35), что указывает на то, что результаты картирования разума были логичными, актуальными, подходящими и значимыми для обучения. Выводы: преподавателям медсестер и специалистам в области здравоохранения следует рассмотреть возможность использования методов интеллект-карт, поскольку это место позволяет лучше понять сложности среды здравоохранения и интегрировать соответствующие цифровые технологии здравоохранения. Клиническая значимость. Недавняя пандемия высветила необходимость новых технологий для продолжения предоставления услуг по уходу за пациентами. Интеллект-карты — это быстрый и экономичный инструмент для понимания и определения приоритетов потребностей организации, а также уникальная обучающая стратегия для развития критического мышления и обмена идеями, связанными с цифровыми технологиями здравоохранения.

Ключевые слова

Концептуальная карта
цифровое здоровье
электронная медицинская карта
сопоставление мыслей
визуализация

Тематические области ASJC Scopus

Доступ к документу

Другие файлы и ссылки

Отпечаток пальца

Познакомьтесь с темами исследования «Понимание технологий цифрового здравоохранения с использованием интеллект-карт». Вместе они образуют уникальный отпечаток пальца.

Биомедицинские технологии Медицина и науки о жизни 100 %

Процитировать

АПА
Стандартный
Гарвард
Ванкувер
Автор
БИБТЕКС
РИС

Результаты исследования: вклад в журнал › статья › рецензирование

abstract = "Цель: Целью этого проекта было изучение технологий цифрового здравоохранения в среде здравоохранения с использованием инструментов концептуального и ментального картирования в практическом курсе информатики для выпускников. Дизайн: этот описательный проект оценки курса был проведен в в крупной университетской школе медсестер в 2019–2020 учебном году и включала удобную выборку из 163 студентов-врачей сестринского дела.Методы: студенты выполнили четыре основных задания, изучая технологии цифрового здравоохранения и источники данных с использованием интеллект-карт.Цели проекта оценивались с использованием подробных рубрики и данные из вопросника оценки курса (CEQ) затем анализировались с использованием описательной статистики. Комментарии из CEQ и документов для размышлений были проанализированы по темам и проверены двумя экспертами. умение применять навыки критического мышления к конкретному контенту и технологиям осматривается. Общие средние баллы CEQ были высокими (M = 4,35), что указывает на то, что результаты картирования разума были логичными, актуальными, подходящими и значимыми для обучения.Выводы: преподавателям медсестер и специалистам в области здравоохранения следует рассмотреть возможность использования методов интеллект-карт, поскольку это место позволяет лучше понять сложности среды здравоохранения и интегрировать соответствующие цифровые технологии здравоохранения. Клиническая значимость. Недавняя пандемия высветила необходимость новых технологий для продолжения предоставления услуг по уходу за пациентами. Интеллект-карты — это быстрый и экономичный инструмент для понимания и определения приоритетов потребностей организации, а также уникальная обучающая стратегия для поощрения критического мышления и обмена идеями, связанными с технологиями цифрового здравоохранения.",

T1 — Понимание технологий цифрового здравоохранения с использованием интеллект-карт

AU — Секман, Шарлотта

AU — Ван де Касл, Барбара

N2 – Цель. Целью этого проекта было изучение технологий цифрового здравоохранения в среде здравоохранения с помощью инструментов концептуального и ментального картирования в рамках практического курса информатики для выпускников. Дизайн: этот описательный проект оценки курса был проведен в крупной университетской школе медсестер в течение 2019–2020 учебного года и включал удобную выборку из 163 студентов докторов медицинских сестер. Методы: учащиеся выполнили четыре основных задания, изучая технологии цифрового здравоохранения и источники данных с помощью ментальных карт. Цели проекта оценивались с использованием подробных рубрик и данных из вопросника оценки курса (CEQ), а затем анализировались с использованием описательной статистики. Комментарии от CEQ и документы для размышлений были рассмотрены по темам и подтверждены двумя экспертами. Выводы. Разнообразие и креативность ментальных карт, а также комментарии учащихся указывают на их способность применять навыки критического мышления к конкретному изучаемому содержанию и технологиям. Общие средние баллы CEQ были высокими (M = 4,35), что указывает на то, что результаты картирования разума были логичными, актуальными, подходящими и значимыми для обучения. Выводы: преподавателям медсестер и специалистам в области здравоохранения следует рассмотреть возможность использования методов интеллект-карт, поскольку это место позволяет лучше понять сложности среды здравоохранения и интегрировать соответствующие цифровые технологии здравоохранения. Клиническая значимость. Недавняя пандемия высветила необходимость новых технологий для продолжения предоставления услуг по уходу за пациентами. Интеллект-карты — это быстрый и экономичный инструмент для понимания и определения приоритетов потребностей организации, а также уникальная обучающая стратегия для развития критического мышления и обмена идеями, связанными с цифровыми технологиями здравоохранения.

AB — Цель. Целью этого проекта было изучение технологий цифрового здравоохранения в среде здравоохранения с помощью инструментов концептуального и ментального картирования в рамках практического курса информатики для выпускников. Дизайн: этот описательный проект оценки курса был проведен в крупной университетской школе медсестер в течение 2019–2020 учебного года и включал удобную выборку из 163 студентов докторов медицинских сестер. Методы: учащиеся выполнили четыре основных задания, изучая технологии цифрового здравоохранения и источники данных с помощью ментальных карт. Цели проекта оценивались с использованием подробных рубрик и данных из вопросника оценки курса (CEQ), а затем анализировались с использованием описательной статистики. Комментарии от CEQ и документы для размышлений были рассмотрены по темам и подтверждены двумя экспертами. Выводы. Разнообразие и креативность ментальных карт, а также комментарии учащихся указывают на их способность применять навыки критического мышления к конкретному изучаемому содержанию и технологиям. Общие средние баллы CEQ были высокими (M = 4,35), что указывает на то, что результаты картирования разума были логичными, актуальными, подходящими и значимыми для обучения. Выводы: преподавателям медсестер и специалистам в области здравоохранения следует рассмотреть возможность использования методов интеллект-карт, поскольку это место позволяет лучше понять сложности среды здравоохранения и интегрировать соответствующие цифровые технологии здравоохранения. Клиническая значимость. Недавняя пандемия высветила необходимость новых технологий для продолжения предоставления услуг по уходу за пациентами. Интеллект-карты — это быстрый и экономичный инструмент для понимания и определения приоритетов потребностей организации, а также уникальная обучающая стратегия для развития критического мышления и обмена идеями, связанными с цифровыми технологиями здравоохранения.

Цель: исследование стремилось разработать систему поддержки принятия клинических решений (CDSS) для лечения узловых образований щитовидной железы с использованием карты связей и итеративного дерева принятия решений (IDT) для интеграции руководств по клинической практике (CPG).Материалы и методы: CPG узлов щитовидной железы Американской ассоциации щитовидной железы и Корейской ассоциации щитовидной железы были проанализированы эндокринными хирургами (специалистами в данной области) и учеными-компьютерщиками. Клинические знания из CPG были выражены с помощью интеллект-карт. Карты разума были проанализированы и преобразованы в IDT. Окончательная IDT была реализована как набор правил-кандидатов (3700) для CDSS, основанной на знаниях. Оценка системы проводилась путем ретроспективного обзора медицинских карт 483 пациентов, перенесших тиреоидэктомию в период с января по декабрь 2015 г. в одном специализированном центре (больница Сеульского национального университета Бунданг, Корея). Результаты: соответствие между рекомендациями CDSS и лечением в рутинной клинической практике составило 78,9%. В 21,1% несогласующихся случаев отклонение от рекомендаций по лечению CDSS было в основном связано с (1) отказом пациента от тотальной тиреоидэктомии и (2) переходом от лобэктомии к тотальной тиреоидэктомии после неожиданного гистологического обнаружения во время интраоперационного анализа лимфатических узлов замороженной биопсией. . Выводы. Настоящее исследование показало, что CDSS, основанный на знаниях, применим для лечения узловых образований щитовидной железы. Была разработана высококачественная CDSS, основанная на знаниях, и специалисты в области медицины и информатики эффективно сотрудничали в интегрированной среде разработки. Интеллект-карта и подход IDT представляют собой новаторский метод интеграции знаний из CPG.

Ключевые слова

Система поддержки принятия клинических решений
Клинические рекомендации
Итеративное дерево решений
Ментальные карты
Узлы щитовидной железы

Доступ к документу

Отпечаток пальца

Познакомьтесь с темами исследования «Использование интеллект-карт и итерационных деревьев решений для разработки основанной на рекомендациях системы поддержки принятия клинических решений для обычной хирургической практики: тематическое исследование узловых образований щитовидной железы». Вместе они образуют уникальный отпечаток пальца.

Системы поддержки принятия клинических решений Медицина и медико-биологические науки 100 %

Процитировать

АПА
Автор
БИБТЕКС
Гарвард
Стандартный
РИС
Ванкувер

title = "Использование интеллект-карт и итеративных деревьев решений для разработки основанной на рекомендациях системы поддержки принятия клинических решений для обычной хирургической практики: тематическое исследование узловых образований щитовидной железы",

abstract = "Цель: исследование стремилось разработать систему поддержки принятия клинических решений (CDSS) для лечения узловых образований щитовидной железы с использованием ассоциативной карты и итеративного дерева решений (IDT) для интеграции руководств по клинической практике (CPG). , Материалы и методы: CPG узлов щитовидной железы Американской ассоциации щитовидной железы и Корейской ассоциации щитовидной железы были проанализированы эндокринными хирургами (специалистами в предметной области) и учеными-компьютерщиками. Клинические знания из CPG были выражены с использованием карт разума. Карты разума были проанализированы и преобразованы в IDT. Окончательная IDT была реализована в виде набора правил-кандидатов (3700) для CDSS, основанной на знаниях.Система была оценена путем ретроспективного обзора медицинских карт 483 пациентов, перенесших тиреоидэктомию в период с января по декабрь 2015 г. на одной третичной операции. (Бунданг Сеульского национального университета, Корея).Результаты: соответствие между рекомендациями CDSS и лечением в рутинной клинической практике составило 78,9%. 21,1% дискордантных случаев, отклонение от рекомендаций по лечению CDSS было в основном связано с (1) отказом пациента от тотальной тиреоидэктомии и (2) переходом от лобэктомии к тотальной тиреоидэктомии после неожиданного гистологического обнаружения во время интраоперационного анализа лимфатических узлов замороженной биопсией. Выводы. Настоящее исследование показало, что CDSS, основанный на знаниях, применим для лечения узловых образований щитовидной железы. Была разработана высококачественная CDSS, основанная на знаниях, и специалисты в области медицины и информатики эффективно сотрудничали в интегрированной среде разработки. Интеллект-карта и подход IDT представляют собой новаторский метод интеграции знаний из CPG.",

keywords = "Система поддержки принятия клинических решений, Руководства по клинической практике, Итеративное дерево решений, Интеллект-карты, Узлы щитовидной железы",

author = "Ю, <Хён Вон> и Макбул Хуссейн, и Мухаммед Афзал, и Такдир Али, и Чхве, и Хан, и Сонён Ли",

note = «Информация о финансировании: это исследование было поддержано Министерством науки и ИКТ Кореи в рамках программы поддержки Исследовательского центра информационных технологий (IITP-2017-01629) под руководством Института продвижения информационных и коммуникационных технологий. Издатель Авторское право: 2019 Автор(ы). Опубликовано издательством Oxford University Press от имени Американской ассоциации медицинской информатики. Все права защищены.",

Результаты исследования: вклад в журнал › статья › рецензирование

T1 — Использование интеллект-карт и итерационных деревьев решений для разработки основанной на рекомендациях системы поддержки принятия клинических решений для обычной хирургической практики

T2 – клинический случай узловых образований щитовидной железы

AU — Ю, Хён Вон

AU — Хуссейн, Макбул

AU - Афзал, Мухаммад

AU – Чой, Джун Ён

AU — Хан, Хо Сон

AU — Ли, СонЁн

N1 — Информация о финансировании. Это исследование проводилось при поддержке Министерства науки и ИКТ Кореи в рамках программы поддержки Исследовательского центра информационных технологий (IITP-2017-01629), курируемой Институтом продвижения информационных и коммуникационных технологий. Авторское право издателя: © 2019 Автор(ы). Опубликовано Oxford University Press от имени Американской ассоциации медицинской информатики. Все права защищены.

N2 – Цель: целью исследования была разработка системы поддержки принятия клинических решений (CDSS) для лечения узловых образований щитовидной железы с использованием карты связей и итеративного дерева решений (IDT) для интеграции клинических практических рекомендаций (CPG). Материалы и методы: CPG узлов щитовидной железы Американской ассоциации щитовидной железы и Корейской ассоциации щитовидной железы были проанализированы эндокринными хирургами (специалистами в данной области) и учеными-компьютерщиками. Клинические знания из CPG были выражены с помощью интеллект-карт. Карты разума были проанализированы и преобразованы в IDT. Окончательная IDT была реализована как набор правил-кандидатов (3700) для CDSS, основанной на знаниях. Оценка системы проводилась путем ретроспективного обзора медицинских карт 483 пациентов, перенесших тиреоидэктомию в период с января по декабрь 2015 г. в одном специализированном центре (больница Сеульского национального университета Бунданг, Корея). Результаты: соответствие между рекомендациями CDSS и лечением в рутинной клинической практике составило 78,9%. В 21,1% несогласующихся случаев отклонение от рекомендаций по лечению CDSS было в основном связано с (1) отказом пациента от тотальной тиреоидэктомии и (2) переходом от лобэктомии к тотальной тиреоидэктомии после неожиданного гистологического обнаружения во время интраоперационного анализа лимфатических узлов замороженной биопсией. . Выводы. Настоящее исследование показало, что CDSS, основанный на знаниях, применим для лечения узловых образований щитовидной железы. Была разработана высококачественная CDSS, основанная на знаниях, и специалисты в области медицины и информатики эффективно сотрудничали в интегрированной среде разработки. Интеллект-карта и подход IDT представляют собой новаторский метод интеграции знаний из CPG.

AB — Цель. Целью исследования была разработка системы поддержки принятия клинических решений (CDSS) для лечения узловых образований щитовидной железы с использованием карты связей и итеративного дерева решений (IDT) для интеграции клинических практических рекомендаций (CPG). Материалы и методы: CPG узлов щитовидной железы Американской ассоциации щитовидной железы и Корейской ассоциации щитовидной железы были проанализированы эндокринными хирургами (специалистами в данной области) и учеными-компьютерщиками. Клинические знания из CPG были выражены с помощью интеллект-карт. Карты разума были проанализированы и преобразованы в IDT. Окончательная IDT была реализована как набор правил-кандидатов (3700) для CDSS, основанной на знаниях. Оценка системы проводилась путем ретроспективного обзора медицинских карт 483 пациентов, перенесших тиреоидэктомию в период с января по декабрь 2015 г. в одном специализированном центре (больница Сеульского национального университета Бунданг, Корея). Результаты: соответствие между рекомендациями CDSS и лечением в рутинной клинической практике составило 78,9%. В 21,1% несогласующихся случаев отклонение от рекомендаций по лечению CDSS было в основном связано с (1) отказом пациента от тотальной тиреоидэктомии и (2) переходом от лобэктомии к тотальной тиреоидэктомии после неожиданного гистологического обнаружения во время интраоперационного анализа лимфатических узлов замороженной биопсией. . Выводы. Настоящее исследование показало, что CDSS, основанный на знаниях, применим для лечения узловых образований щитовидной железы. Была разработана высококачественная CDSS, основанная на знаниях, и специалисты в области медицины и информатики эффективно сотрудничали в интегрированной среде разработки. Интеллект-карта и подход IDT представляют собой новаторский метод интеграции знаний из CPG.

Читайте также: