MétaCan
Menu
Retour à la cohorte
Enregistrement W2073328702 · doi:10.5014/ajot.2014.009001

Using Model Hands for Learning Orthotic Fabrication

2013· article· en· W2073328702 sur OpenAlexaff
Eric Hagemann, Camille K. Williams, Pat McKee, Andonia Stefanovich, Heather Carnahan

Notice bibliographique

RevueAmerican Journal of Occupational Therapy · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMemorial University of NewfoundlandThe Wilson CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChecklistTest (biology)Physical therapyPsychologyPhysical medicine and rehabilitationMedicineComputer scienceMedical physics

Résumé

récupéré en direct d'OpenAlex

Trainees could benefit from practicing orthotic fabrication on simulated hands with joint deformities. As a first step toward such training, we explored the use of a nonpathological model hand. Twenty-one participants were randomized into one of two groups that practiced using a person's right hand or a model right hand. One week later, all participants returned for a transfer test in which they made one orthosis on a person's left hand. All participants' performance and orthoses were evaluated using a validated checklist and a global rating scale (GRS). Fabrication time for each orthosis also was recorded. The GRS score and fabrication time changed significantly over the course of practice. Trainees who practiced with the model hand made better orthoses during practice and on the transfer test, as measured with the checklist's final product subscore. Instructional and contextual factors that may affect trainees' performance and learning are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,178
Tête enseignante GPT0,421
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Occupational TherapyMême sujetSurgical Simulation and TrainingTravaux en français237 207