Design and Validation of a Computer-Aided Learning Program to Enhance Students' Ability to Recognize Lameness in the Horse
Notice bibliographique
Résumé
The ability to recognize lameness in the horse is an important skill for veterinary graduates; however, opportunities to develop this skill at the undergraduate level are limited. Computer-aided learning programs (CALs) have been successful in supplementing practical skills teaching. The aim of this study was to design and validate a CAL for the teaching of equine lameness recognition (CAL1). A control CAL was designed to simulate learning by experience (CAL2). Student volunteers were randomly assigned to either CAL and tested to establish their current ability to recognize lameness. Retesting occurred both immediately following exposure and 1 week later. At each test point, the number of correct responses for forelimb and hind limb cases was determined. Student confidence was assessed before and after CAL exposure, with previous opportunities to recognize lameness taken into account. Immediately following exposure, the number of correct responses was significantly higher for CAL1 than for CAL2, both overall and for forelimb cases but not for hind limb cases. After 1 week, the CAL1 group performed significantly better overall compared to the CAL2 group, with no significant difference between forelimb and hind limb cases. Student confidence and ability to recognize lameness were significantly improved following exposure to CAL1. When considered as one category, students in years 4 and 5 performed significantly better than year 3 students. Gender did not significantly affect performance. CAL1 could be used to supplement current lameness recognition opportunities. CAL1 is, however, limited in its ability to improve lameness recognition, especially in relation to hind limb lameness where it was unable to attain a significant difference from CAL2.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».