The role of spatial ability in visuospatial anatomy comprehension: a cross sectional study of a rwandese student population (535.10)
Notice bibliographique
Résumé
Computer‐based three‐dimensional (3D) teaching tools are increasingly used in human anatomy instruction; however, these tools may compromise learning since some learners have problems comprehending them. Previous studies indicate that a person’s spatial ability is predictive of their ability to learn from 3D teaching tools. Most studies investigating this relationship have been performed on a North American population, so this effect is relatively unknown in other parts of the world. Spatial ability can be shaped by daily activities such as travel, sport, and entertainment. Rwandese people may have developed their spatial ability differently than North Americans and, therefore, learn differently from 3D teaching tools. This study investigates the role of spatial ability in comprehending a 3D computer‐based teaching tool in a Rwandese student population. 73 students at the National University of Rwanda have been recruited. Participants performed an anatomy knowledge test, 3 standardized spatial tests, and a pre and post spatial anatomy task with a 3D teaching tool as an intervention. The results of this study may help to design computerized, 3D teaching tools that are tailored to educational facilities in Rwanda. When developing 3D teaching tools it is important to take learner characteristics into account to create tools that are sensitive to the population that is learning from them.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 0,000 |
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 tête enseignante, 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 ».