Perceptions of a mobile technology on learning strategies in the anatomy laboratory
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
Mobile technologies offer new opportunities to improve dissection learning. This study examined the effect of using an iPad-based multimedia dissection manual during anatomy laboratory instruction on learner's perception of anatomy dissection activities and use of time. Three experimental dissection tables used iPads and three tables served as a control for two identical sessions. Trained, non-medical school anatomy faculty observers recorded use of resources at two-minute intervals for 20 observations per table. Students completed pre- and post-perception questionnaires. We used descriptive and inferential analyses. Twenty-one control and 22 experimental students participated. Compared with controls, experimental students reported significantly (P < 0.05) less reliance on paper and instructor resources, greater ability to achieve anatomy laboratory objectives, and clarity of the role of dissection in learning anatomy. Experimental students indicated that the iPad helped them in dissection. We observed experimental students more on task (93% vs. 83% of the time) and less likely to be seeking an instructor (2% vs. 32%). The groups received similar attention from instructors (33% vs. 37%). Fifty-nine percent of the time at least one student was looking at the iPad. Groups clustered around the iPad a third of their time. We conclude that the iPad-manual aided learner engagement, achieved instructional objectives, and enhanced the effectiveness and efficiency of dissection education.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découle