Computer‐Assisted Learning in Orthodontic Education: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
The purpose of this systematic review and meta-analysis was to compare the efficacy of computer-assisted learning (CAL) with traditional methods of learning in orthodontic education. Comprehensive electronic and manual searches of randomized controlled trials and prospective studies were conducted. Participants considered were undergraduate or postgraduate orthodontic students or orthodontic educators. The main outcome measure of CAL efficacy was knowledge gain. The time efficiency of the method was assessed based on the time spent learning the material, while its qualitative effect was tested by the attitudes of participants. Nine studies assessing CAL in teaching orthodontic diagnosis and treatment planning met the inclusion criteria. A statistically significantly higher knowledge gain favoring CAL was identified in studies that used pre- and post-intervention tests (weighted mean difference [WMD] 9.78 percent, 95 percent confidence intervals [CI] 2.89 percent, 16.67 percent; test of heterogeneity p=0.25). For studies that used only post-intervention tests, significantly greater efficacy was noted, but the effect size was smaller (WMD 3.79 percent, 95 percent CI 0.31 percent, 7.28 percent; test of heterogeneity p=0.003). Overall, student attitudes were positive towards CAL. No conclusions can be drawn about the time efficiency of CAL. Further studies are warranted to examine other important outcomes, including CAL efficacy in teaching other orthodontic topics, cost-effectiveness, and knowledge retention.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».