Computer animations in medical education: a critical literature review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CONTEXT: Animations can depict dynamic changes over time and location, and illustrate phenomena and concepts that might otherwise be difficult to visualise. However, animations may not always be effective and educators who use animations must understand the principles that govern their use. OBJECTIVES: This review aims to illustrate potential applications of animations in medical education, to identify evidence-based principles for their design and use, and to propose an agenda for future research. METHODS: We searched MEDLINE, PsychINFO and EMBASE for articles describing the use of computer animations in medical education. We reviewed and summarised all identified original research studies comparing animations with an alternative computer-based or non-computer-based format. We also selectively reviewed non-medical education research on the use of computer animations. RESULTS: Medical educators have used animations in a variety of computer-assisted learning applications, but few comparative studies have been published and the evidence is inconclusive. Research outside medical education shows conflicting results for studies comparing animations with static images. This may reflect differences in cognitive load induced by animation, or differences in the type of motion being illustrated. The benefits of animations may also vary according to learner characteristics such as prior knowledge and spatial ability. Features of animation that appear to facilitate learning include permitting learner control over the animation's pace, allowing learners to interact with animations and splitting the animation activity into small chunks (segmenting). CONCLUSIONS: Existing medical education research does little to inform the use of animations. Research is needed to confirm and extend non-medicine research to ascertain when to use animations and how to use them effectively.
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.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 découle