A Randomized Trial Comparing Freely Moving and Zonal Instruction of Veterinary Surgical Skills Using Ovariohysterectomy Models
Notice bibliographique
Résumé
= 76) surgical skills were assessed after training using either the traditional (T) method of large-group teaching by multiple instructors or the alternative method of one instructor assigned (A) to a defined group of students. Instructors rotated to a different group of students for each laboratory session. The instructor-to-student ratio and environment remained identical. No differences were found in raw assessment scores or the number of students requiring remediation, suggesting that students learned in this environment whether they received feedback from one instructor or multiple. Students had no preference between the methods, though 88% of the instructors preferred the assigned method, because they perceived an increased ability to teach and observe individual students. There was no difference in the number of students identified as at-risk of remediation between groups. When both groups were considered together, students identified as at-risk were more likely (40% vs. 10%) to require post-assessment remediation. However, only 22% of students requiring remediation had been identified as at-risk, and A-group instructors were more accurate than T-group instructors at identifying at-risk students. These results suggest that students accept either instructional method, but most instructors prefer to be assigned to a small group of students. Surgical skills were learned similarly well by students in both groups, although assigned instructors were more accurate at identifying at-risk students, which could prove beneficial if early intervention measures can be offered.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».