An Animated Model of Reticulorumen Motility
Notice bibliographique
Résumé
Understanding reticulorumen motility is important to the assessment of ruminant health and optimal production, and in the recognition, diagnosis, and treatment of disease. Accordingly, the teaching of reticulorumen motility is a staple of all veterinary curricula. This teaching has historically been based on written descriptions, line drawings, or pressure tracings obtained during contraction sequences. We developed an animated model of reticulorumen motility and hypothesized that veterinary students would prefer use of the model over traditional instructional methods. First-year veterinary students were randomly allocated to one of two online learning exercises: with the animated model (Group A) or with text and line drawings (Group B) depicting reticulorumen motility. Learning was assessed with a multiple-choice quiz and feedback on the learning alternatives was obtained by survey. Seventy-four students participated in the study, including 38/42 in Group A and 36/36 in Group B. Sixty-four out of 72 students (89%) responded that they would prefer use of the animated model if only one of the two learning methods was available. A majority of students agreed or strongly agreed that the animated model was easy to understand and improved their knowledge and appreciation of the importance of reticulorumen motility, and would recommend the model to other veterinary students. Interestingly, students in Group B achieved higher scores on examination than students in Group A. This could be speculatively attributed to the inclusion of an itemized list of contraction sequences in the text provided to Group B and failure of Group A students to read the text associated with the animations.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».