Tetris as homework: does videogame training improve spatial anatomy comprehension? (725.4)
Notice bibliographique
Résumé
Spatial ability, particularly spatial visualization (Vz), is a significant predictor of success in human anatomy. There is evidence that Vz can be improved through training with videogames, such as Tetris. The present study investigates the relationship between videogame training, Vz, and visuospatial anatomy comprehension. Participants (n=27) completed the Mental Rotations Test (MRT) and the Spatial Anatomy Task (SAT) in order to assess baseline levels of Vz and visuospatial anatomy comprehension, respectively. According to MRT scores, the participants were semi‐randomized into a Control (n=12) or Training (n=15) group, with both low‐ and high‐Vz individuals in each group. Participants in the Training group played five, one‐hour sessions of Tetris over five consecutive days. At least one week after baseline testing, all participants again performed the MRT and SAT. Participants in both the Control and Training groups showed significant improvements on their post‐MRT and SAT; however, contrary to our hypothesis, videogame training did not improve Vz and visuospatial anatomy comprehension beyond that observed in the Control group. Moreover, this improvement was independent of participant sex differences. Additional subjects are being recruited to help us further explore the potential utility of videogame training for anatomically‐demanding fields.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».