Development and Evaluation of a Virtual Slaughterhouse Simulator for Training and Educating Veterinary Students
Notice bibliographique
Résumé
Veterinary surgeons working on farms and food-processing establishments play a fundamental role in safeguarding both public health and the welfare of animals under their care. An essential part of veterinary public health (VPH) undergraduate training in the UK involves students undertaking placements within abattoirs, a practice that remains vital to the educational experience of future veterinary professionals. However, several issues have adversely affected the ability of students to gain such extramural placements. For this reason, the Virtual Slaughterhouse Simulator (VSS) was developed to strengthen and enhance undergraduate VPH teaching at the Royal (Dick) School of Veterinary Studies, enabling students to explore a realistic abattoir work environment with embedded educational activities. The aim of this research project was to evaluate the VSS as a teaching and learning tool for training and educating veterinary students. Ninety-eight final-year veterinary students engaged with the prototype VSS, followed by assessment of their knowledge and behavior when faced with a "real-life" abattoir situation. Further evaluation of their experiences with the VSS was carried out using questionnaires and focus groups. The results of this investigation show that there is the potential for the VSS to enhance the student learning experience in basic abattoir procedures. This innovative tool provides a visually based learning resource that can support traditional lectures and practical classes and can also be used to stimulate interactive problem-solving activities embedded in the relevant context.
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 | 0,007 | 0,005 |
| 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 ».