Improving Light‐Curing Instruction in Dental School
Notice bibliographique
Résumé
Delivering an inadequate amount of light to a light-cured resin will result in a resin that is inadequately cured. This study measured the radiant exposure that students delivered to a simulated restoration to determine if instruction with immediate feedback increased the amount of light they delivered. The amount of light (radiant exposure in J/cm(2)) delivered to a simulated restoration by sixty-three dental students using the same curing light for twenty seconds was recorded. The experiment was repeated after the students had been given detailed light-curing instructions together with immediate feedback using the MARCPS system. Initially, the students delivered between 1.4 and 17.5 J/cm(2) (mean±SD: 9.8±3.5 J/cm(2)). After receiving instructions and feedback on their light-curing technique, they delivered between 6.7 J/cm(2) and 17.8 J/cm(2) (mean±SD: 13.2±3.3 J/cm(2)). ANOVA and Fisher's post hoc multiple comparison tests showed that providing immediate feedback on the students' light-curing technique made a significant improvement in the radiant exposure they delivered (p<0.05). It was concluded that many dental students in this study were not using the curing light properly. After the students had received one session of additional instruction and immediate feedback using the MARC-PS, they delivered 35 percent more light energy to the same simulated restoration. Students who were closer to graduation showed a greater improvement in their light-curing technique (p=0.0091).
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».