Flipping the neuroanatomy labs: how the production of high quality video and interactive modules changed our approach to teaching (211.3)
Notice bibliographique
Résumé
Neuroanatomy is often approached with apprehension, often described as “neurophobia”. The result has been a triage approach by students: memorizing as much information as possible to pass the exam, and relegating a deep understanding of CNS systems as they relate to the clinical reality to clinical experiences. Aware of this reality, we wanted to create content that is accessible and engaging; moreover, we wanted to “flip” the classroom so that students could begin to use class time for knowledge application instead of memorization. The theory behind a flipped classroom approach is to provide resources to the students to prepare with prior to coming to class, and then use the classroom time for the application of this knowledge to clinical cases and in‐depth discussions about CNS systems. We created eight highly produced mini‐documentaries to provide conceptual overviews of key brain systems, and 20 interactive modules for more in‐depth didactic content as well as formative assessment for the students. All of these resources are posted online under a Creative Commons license. A Readiness Assessment Test (RAT) at the beginning of the session gauges student understanding of the material; lab time is then used to address areas of weakness as well as to apply knowledge to clinical cases ‐ a core focus of each lab. Evidence suggests that this approach can make the classroom experience more engaging for both faculty and students. Grant Funding Source : Supported by: UBC Flexible Learning Initiative
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».