Virtual reality and brain anatomy: a randomised trial of e‐learning instructional designs
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
CONTEXT: Computer-aided instruction is used increasingly in medical education and anatomy instruction with limited research evidence to guide its design and deployment. OBJECTIVES: To determine the effects of (a) learner control over the e-learning environment and (b) key views of the brain versus multiple views in the learning of brain surface anatomy. DESIGN: Randomised trial with 2 phases of study. Participants Volunteer sample of 1st-year psychology students (phase 1, n = 120; phase 2, n = 120). Interventions Phase 1: computer-based instruction in brain surface anatomy with 4 conditions: (1) learner control/multiple views (LMV); (2) learner control/key views (LKV); (3) programme control/multiple views (PMV); (4) programme control/key views (PKV). Phase 2: 2 conditions: low learner control/key views (PKV) versus no learner control/key views (SKV). All participants performed a pre-test, post-test and test of visuospatial ability. MAIN OUTCOME MEASURES: A 30-item post-test of brain surface anatomy structure identification. RESULTS: The PKV group attained the best post-test score (57.7%) and the PMV group received the worst (42.2%), with the 2 high learner control groups performing in between. For students with low spatial ability, estimated scores are 20% lower for those who saw multiple views during learning. In phase 2, students with the most static condition and no learner control (SKV) performed similarly to those students in the PKV group. CONCLUSIONS: Multiple views may impede learning, particularly for those with relatively poor spatial ability. High degrees of learner control may reduce effectiveness of learning.
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 | 0,001 | 0,003 |
| 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 découle