MétaCan
Menu
Retour à la cohorte
Enregistrement W1878975183 · doi:10.1096/fasebj.29.1_supplement.541.2

Using Role‐Playing Simulations to Teach Endocrine and Respiratory Physiology in Large Classes

2015· article· en· W1878975183 sur OpenAlexaff
Kerry Hull

Notice bibliographique

RevueThe FASEB Journal · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensBishop's University
Organismes subventionnairesnon disponible
Mots-clésPsychologyTest (biology)PerceptionSimulationComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Role‐playing simulations can help students master complex physiological processes, but may be less effective in larger classes if most students are observers instead of participants. The current study addressed this issue by evaluating the effectiveness of dividing the class into support groups for each role‐playing student. Depending on the situation, support groups provided advice verbally or via clickers. The simulations emphasized higher‐order thinking by asking students to predict how the simulation would change under different conditions. The first role‐playing exercise addressed negative feedback in the hypothalamic ‐pituitary‐target gland axis, using instrument noises to represent the hormonal output of the hypothalamus (drum), anterior pituitary (clapper), and target gland (clanger). After practicing the simulation under normal conditions, students worked with their support groups to predict how the simulation would change in response to perturbations such as an altered steady state, dysfunction of the target organ, or a tumor (an audience member playing an additional instrument). The second exercise examined the mechanics of ventilation by asking concentric circles of students to represent the chest wall/diaphragm, pleural membranes, and lungs. Students predicted how the circles would move during normal inspiration and expiration and under disease conditions (pneumothorax, emphysema, pulmonary fibrosis). Mastery of relevant concepts was examined both in the short term, by pre‐ and post‐testing, and in the long term, by examining exam performance, and student perceptions were studied using anonymous surveys. In summary, adding elements of “predict and test” and support groups to role‐playing simulations may increase their utility in larger classes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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.

Tête enseignante Opus0,164
Tête enseignante GPT0,448
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetInnovative Teaching MethodsTravaux en français237 207