Medizin
Refine
Year of publication
- 2018 (2) (remove)
Document Type
- Article (2) (remove)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
- Medical education (2) (remove)
Institute
- Medizin (2)
Hintergrund: Die digitale Transformation des Gesundheitssystems verändert den Beruf des Arztes. Data Literacy wird hierbei als eine der führenden Zukunftskompetenzen erachtet, findet jedoch derzeit weder in den implementierten Curricula des Medizinstudiums noch in den aktuell laufenden Reformprozessen (Masterplan Medizinstudium 2020 und Nationaler Kompetenzbasierter Lernzielkatalog) Beachtung.
Ziel: Der Beitrag möchte zum einen die Aspekte beleuchten, die im Begriff der Data Literacy im medizinischen Kontext gebündelt werden. Zum andern wird ein Lehrkonzept vorgestellt, das Data Literacy im Zeichen der digitalen Transformation erstmals im Medizinstudium abbildet.
Material und Methoden: Das Blended-Learning-Curriculum „Medizin im digitalen Zeitalter“ adressiert in 5 Modulen den diversen Transformationsprozess der Medizin von digitaler Kommunikation über Smart Devices und medizinische Apps, Telemedizin, virtuelle/augmentierte und robotische Chirurgie bis hin zu individualisierter Medizin und Big Data. Diese Arbeit stellt Konzept und Erfahrungen der erstmaligen Implementierung des 5. Moduls dar, welches transdisziplinär und integrativ den Aspekt Data Literacy erläutert.
Ergebnisse: Die Evaluation des Kurskonzepts erfolgte sowohl qualitativ als auch quantitativ und demonstriert einen Kompetenzgewinn in den Bereichen Wissen und Fertigkeiten sowie eine differenziertere Haltung nach Kursabschluss.
Schlussfolgerungen: Die curriculare Integration von Data Literacy ist eine transdisziplinäre und longitudinale Aufgabe. Bei der Entwicklung dieser Curricula sollten die hohe Geschwindigkeit des Veränderungsprozesses der digitalen Transformation beachtet und die curriculare Anpassung im Sinne eines Agility by Design bereits bei der Konzeption adressiert werden.
Background: This study assessed the impact of medical students’ emotion recognition ability and extraversion on their empathic communication, as perceived by simulated patients in a training context.
Methods: This study used a crossed-effect data structure and examined 245 students in their fourth year of medical school. The students’ personality traits were assessed based on a self-assessment questionnaire of the short form of the Big Five Inventory; their emotion recognition ability was measured using a performance test (Diagnostic Analysis of Nonverbal Accuracy-2, Adult Facial Expressions). Simulated patients evaluated the medical students’ empathic communication.
Results: Students with a combination of high emotion recognition ability and extraversion received more positive ratings from simulated patients than their fellow students with a combination of emotion recognition ability and low extraversion. The main effects of emotion recognition or extraversion were not sufficient to yield similar effects. There were no other effects related to the remaining Big Five variables.
Conclusions: The results support the hypothesis that to build rapport with patients, medical staff need to combine emotional capabilities with a dispositional interest in interpersonal encounters.