Gaze‐down endoscopic practise leads to better novice performance on gaze‐up displays
Notice bibliographique
Résumé
OBJECTIVES: It is well known that precision skills are best learned when they are practised in the sensorimotor context that is present when performance is most important. However, a particular skill may vary with respect to the sensorimotor context in which it is performed. Certain sensorimotor variations can make a task more or less complex than others. Recent accounts of skill learning describe how task difficulty can be manipulated to provide optimised challenges to progress learners beyond their current level of expertise. This study tests the idea that simplified practise contexts lead novice learners to acquire skill proficiency that is more generalisable to new contexts. METHODS: We present a learning experiment in which the performances of novices who acquired a set level of proficiency in the endoscopic pots-and-beans task through performance-based practise using a gaze-up endoscopic monitor arrangement were compared against the performances of novices who acquired an equivalent level of proficiency using a simplified gaze-down arrangement. Participants returned after 1 week for retention and transfer testing. RESULTS: Time and accuracy analyses revealed that participants in both training groups improved significantly over the practise protocol and maintained this performance after a period of retention. However, the comparisons of the visual display transfer performances (i.e. on the gaze-up arrangement) of the gaze-down trainees against the retention performances (i.e. also on the gaze-up arrangement) of their gaze-up counterparts and vice versa revealed that gaze-down trainees made fewer errors in both performance contexts (F(1,16) = 7.97, p = 0.01 and F(1,16) = 57.05, p = 0.04, respectively). CONCLUSIONS: These findings highlight the benefits associated with using simplified sensorimotor practise contexts for novice learners. Beginners will learn best from simplified practise because it allows them to develop good movement strategies for dealing with potential error without being overwhelmed by task complexity.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».