Impact of Virtual Patients as Optional Learning Material in Veterinary Biochemistry Education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Biochemistry and physiology teachers from veterinary faculties in Hannover, Budapest, and Lublin prepared innovative, computer-based, integrative clinical case scenarios as optional learning materials for teaching and learning in basic sciences. These learning materials were designed to enhance attention and increase interest and intrinsic motivation for learning, thus strengthening autonomous, active, and self-directed learning. We investigated learning progress and success by administering a pre-test before exposure to the virtual patients (vetVIP) cases, offered vetVIP cases alongside regular biochemistry courses, and then administered a complementary post-test. We analyzed improvement in cohort performance and level of confidence in rating questions. Results of the performance in biochemistry examinations in 2014, 2015, and 2016 were correlated with the use of and performance in vetVIP cases throughout biochemistry courses in Hannover. Surveys of students reflected that interactive cases helped them understand the relevance of basic sciences in veterinary education. Differences between identical pre- and post-tests revealed knowledge improvement (correct answers: +28% in Hannover, +9% in Lublin) and enhanced confidence in decision making ("I don't know" answers: -20% in Hannover, -7.5% in Lublin). High case usage and voluntary participation (use of vetVIP cases in Hannover and Lublin >70%, Budapest <1%; response rates in pre-test 72% and post-test 48%) indicated a good increase in motivation for the subject of biochemistry. Despite increased motivation, there was only a weak correlation between performance in final exams and performance in the vetVIP cases. Case-based e-learning could be extended and generated cases should be shared across veterinary faculties.
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.
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 | 0,001 | 0,005 |
| 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 | 0,000 |
| 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 découle