An Anatomy Pre-Course Predicts Student Performance in a Professional Veterinary Anatomy Curriculum
Notice bibliographique
Résumé
Little to no correlation has been identified between previous related undergraduate coursework or outcomes on standardized tests and performance in a veterinary curriculum, including anatomy coursework. Therefore, a relatively simplistic method to predict student performance before entrance would be advantageous to many. The purpose of this study was to evaluate whether there is a correlation between performance in a veterinary anatomy pre-course and subsequent performance within a professional anatomy curriculum. Incoming first-year veterinary students at the Louisiana State University School of Veterinary Medicine were asked to participate in a free weeklong pre-course, before the start of the semester. The pre-course covered the musculoskeletal anatomy of the canine thoracic limb using dissection-based methods. Student performance, as evaluated by test grades in the pre-course, did indeed correlate with test grades in professional veterinary anatomy courses. A significant and positive correlation was identified between pre-course final exam performance and performance on examinations in each of 3 professional anatomy courses. Qualitative analyses of student comments pertaining to their experience within the pre-course indicated differences in the perceived benefits of the pre-course between high-, middle-, and low-performing students. These varied perceptions may provide predictive feedback as well as guidance for supporting lower performing students. Together, these results indicate that performance in a weeklong pre-course covering only a small portion of canine anatomy is a strong predictor of performance within a professional anatomy curriculum. In addition, the pre-course differentially affected student perceptions of their learning experience.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».