Student Preparation and the Power of Visual Input in Veterinary Surgical Education: An Empirical Study
Notice bibliographique
Résumé
In recent years, veterinary educational institutions have implemented alternative teaching methods, including video demonstrations of surgical procedures. However, the power of the dynamic visual input from videos in relation to recollection of a surgical procedure has never been evaluated. The aim of this study was to investigate how veterinary surgical students perceived the influence of different educational materials on recollection of a surgical procedure. Furthermore, we investigated if surgical technique was associated with a certain method of recollection or use of educational material. During a basic surgical skills course, 112 fourth-year veterinary students participated in the study by completing a questionnaire regarding method of recollection, influence of individual types of educational input, and homework preparation. Furthermore, we observed students performing an orchiectomy in a terminal pig lab. Preparation for the pig lab consisted of homework (textbook, online material, including videos), lecture, cadaver lab, and toy animal models in a skills lab. In the instructional video, a detail was used that was not described elsewhere. Results show that 60% of the students used a visual dynamic method as their main method of recollection and that video was considered the most influential educational input with respect to recollection of a specific procedure. Observation of students' performance during the orchiectomy showed no clear association with students' method of recollection but a significant association (p=.002) with educational input. Our results illustrate the power of a visual input and support prior findings that knowledge is constructed from multiple sources of information.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».