MétaCan
Menu
Retour à la cohorte
Enregistrement W2153421311 · doi:10.1152/advan.00123.2013

Expanding application of the Wiggers diagram to teach cardiovascular physiology

2014· article· en· W2153421311 sur OpenAlexaff
Jamie R. Mitchell, Jiun‐Jr Wang

Notice bibliographique

RevueAJP Advances in Physiology Education · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Effects of Exercise
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMemorizationComputer scienceFunction (biology)Mathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Dr. Carl Wiggers' careful observations have provided a meaningful resource for students to learn how the heart works. Throughout the many years from his initial reports, the Wiggers diagram has been used, in various degrees of complexity, as a fundamental tool for cardiovascular instruction. Often, the various electrical and mechanical plots are the novice learner's first exposure to simulated data. As the various temporal relationships throughout a heartbeat could simply be memorized, the challenge for the cardiovascular instructor is to engage the learner so the underlying mechanisms governing the changing electrical and mechanical events are truly understood. Based on experience, we suggest some additions to the Wiggers diagram that are not commonly used to enhance cardiovascular pedagogy. For example, these additions could be, but are not limited to, introducing the concept of energy waves and their role in influencing pressure and flow in health and disease. Also, integrating concepts of exercise physiology, and the differences in cardiac function and hemodynamics between an elite athlete and normal subject, can have a profound impact on student engagement. In describing the relationship between electrical and mechanical events, the instructor may find the introduction of premature ventricular contractions as a useful tool to further understanding of this important principle. It is our hope that these examples can aid cardiovascular instructors to engage their learners and promote fundamental understanding at the expense of simple memorization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0280,007

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 Opus0,004
Tête enseignante GPT0,283
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations71
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAJP Advances in Physiology EducationMême sujetCardiovascular Effects of ExerciseTravaux en français237 207