A Systematic Review of Computer‐Assisted Learning in Endodontics Education
Notice bibliographique
Résumé
Results of the efficacy and time efficiency of computer-assisted learning (CAL) in endodontics education are mixed in the literature. The objectives of this study were to compare the efficacy and time efficiency of CAL with traditional learning methods or no instruction. The search strategy included electronic and manual searches of randomized controlled trials (RCTs) completed in English up to June 2009. The intervention comprised any method of CAL, while the control group consisted of all traditional methods of instruction including no further instructions. Various outcome measures of CAL efficacy were considered and were categorized using Kirkpatrick's four-level model of evaluation: reaction, learning, behavior, results, with the addition of return on investment as a fifth level. The time efficiency of CAL was measured by the time spent on the learning material and the number of cases covered in a unit period. Seven RCTs met the inclusion criteria. Overall, students' attitudes were varied towards CAL. Results from the knowledge gain outcome were mixed. No conclusions can be made about students' performance on clinical procedures or cost-effectiveness of CAL. Better time efficiency was achieved using CAL compared to traditional methods. CAL is as efficacious as traditional methods in improving knowledge. There is some evidence to suggest that CAL is time efficient compared to traditional methods. Overall, the number of studies included in this review was small, thus warranting the need for more studies in this area and the exploration of various CAL techniques.
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 | 0,010 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».