Assessing the Influence of Gender, Learning Style, and Pre-entry Experience on Student Response to Delivery of a Novel Veterinary Curriculum
Notice bibliographique
Résumé
We investigated whether a novel veterinary curriculum was biased toward a particular gender, learning style, or pre-university experience (entry following undergraduate degree or direct entry from secondary school). We found no significant difference (p>0.05) in overall performance of first-year male, female, graduate-entry, or school-entry students. Students rated live-animal practical classes and facilitated problem-based learning as the most favored method of teaching, and this response was not biased by gender or pre-vet school experience. Men rated multiple-choice question (MCQ) assessment more highly than women, but there was no significant difference (p>0.05) in male or female performance on MCQ examinations. Men and women also performed comparably well in essays (both knowledge based and critical), suggesting that the retention of knowledge and depth of understanding was not gender biased. However, men performed significantly (p<0.05) better on critical essays compared with knowledge-based essays, and this trend was shown for both graduate-entry and school-entry students alike. We found no significant difference (p>0.05) in performance between groups of students with multimodal, kinesthetic, or reading-writing learning styles. Students with an auditory preference consistently performed less well in all types of assessment (p<0.05), but the number of students in this group was very small. Students whose learning style could not be specifically determined by Visual, Auditory, Read/write, Kinesthetic (VARK) tests consistently performed better than other groups, but this finding was not significant. Our results indicate that the Nottingham veterinary course does not bias for or against any of the variables we investigated.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».