The skeletons in our closet: E‐learning tools and what happens when one side does not fit all
Notice bibliographique
Résumé
In the anatomical sciences, e-learning tools have become a critical component of teaching anatomy when physical space and cadaveric resources are limited. However, studies that use empirical evidence to compare their efficacy to visual-kinesthetic learning modalities are scarce. The study examined how a visual-kinesthetic experience, involving a physical skeleton, impacts learning when compared with virtual manipulation of a simple two-dimensional (2D) e-learning tool, A.D.A.M. Interactive Anatomy. Students from The University of Western Ontario, Canada (n = 77) participated in a dual-task study to: (1) investigate if a dual-task paradigm is an effective tool for measuring cognitive load across these different learning modalities; and (2) to assess the impact of knowledge recall and spatial ability when using them. Students were assessed using knowledge scores, Stroop task reaction times, and mental rotation test scores. Results demonstrated that the dual-task paradigm was not an effective tool for measuring cognitive load across different learning modalities with respect to kinesthetic learning. However, our study highlighted that handing physical specimens yielded major, positive impacts on performance that a simple commercial e-learning tool failed to deliver (P < 0.001). Furthermore, students with low spatial ability were significantly disadvantaged when they studied the bony joint and were tested on contralateral images (P = 0.046, R = 0.326). This suggests that, despite limbs being mirror images, students should be taught the anatomy of, as well as procedures on, both sides of the human body, enhancing the ability of all students, regardless of spatial ability, to take anatomical knowledge into the clinic and perform successfully. Anat Sci Educ 10: 570-588. © 2017 American Association of Anatomists.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».