Development and Validation of a Canine Castration Model and Rubric
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
Veterinary educators use models to allow repetitive practice of surgical skills leading to clinical competence. Canine castration is a commonly performed procedure that is considered a Day One competency for a veterinarian. In this study, we sought to create and evaluate a canine pre-scrotal closed castration model and grading rubric using a validation framework of content evidence, internal structure evidence, and relationship with other variables. Veterinarians ( n = 8) and students ( n = 32) were recorded while they performed a castration on the model and provided survey feedback. A subset of the students ( n = 7) then performed a live canine castration, and their scores were compared with their model scores. One hundred percent of the veterinarians and 91% of the students reported that the model was helpful in training for canine castration. They highlighted several areas for continued improvement. Veterinarians’ model performance scores were significantly higher than students’, indicating that the model had adequate features to differentiate expert from novice performance. Students’ performance on the model strongly correlated with their performance of live castration ( r = .82). Surgical time was also strongly correlated ( r = .70). The internal consistency of model and live rubric scores were good at .85 and .94, respectively. The framework supported validation of the model and rubric. The canine castration model facilitated cost-efficient practice in a safe environment in which students received instructor feedback and learned through experience without the risk of negatively affecting a patient’s well-being. The strong correlation between model and live animal performance scores suggests that the model could be useful for mastery learning.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle