Use of Short Animal-Themed Videos to Enhance Veterinary Students' Mood, Attention, and Understanding of Pharmacology Lectures
Notice bibliographique
Résumé
Professional DVM training is inherently stressful and challenging for students. This study evaluated a simple intervention-short breaks during a veterinary pharmacology lecture course in the form of funny/cute animal videos (Mood Induction Procedures, or MIP)-to assess for potential impact on students' mood, interest in material, and perceived understanding of material. Ten YouTube video clips showing cats or dogs were selected to influence students' affective states. The videos were shown in a required pharmacology class offered during the fall semester of the second year of the DVM program at a large, land-grant institution in the western US. The student cohort consisted of 133 students (20 males, 113 females). Twenty days of the course were randomly chosen for the study and ranged from weeks 2 to 13 of the semester. Sessions in which the videos were played were alternated with sessions in which no video was played, for a total of 10 video days and 10 control days. There were significant differences in all three post-class assessment measures between the experimental (video) days and the control days. Results suggest that showing short cute animal videos in the middle of class positively affected students' mood, interest in material, and self-reported understanding of material. While the results of this study are limited to one student cohort at one institution, the ease of implementation of the technique and relatively low stakes support incorporation of the MIP technique across a variety of basic and clinical science courses.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».