Cadaveric Dissection in Relation to Problem‐Based Learning Case Sequencing: A Report of Medical Student Musculoskeletal Examination Performances and Self‐Confidence
Notice bibliographique
Résumé
Mercer University School of Medicine utilizes a problem-based learning (PBL) curriculum for educating medical students in the basic clinical sciences. In 2014, an adjustment was piloted that enabled PBL cases to align with their corresponding cadaver dissection that reviewed the content of anatomy contained in the PBL cases. Faculty had the option of giving PBL cases in sequence with the cadaveric dissection schedule (sequential group) or maintaining PBL cases out of sequence with dissections (traditional group). During this adjustment, students' academic performances were compared. Students' perception of their own preparedness for cadaveric dissection, their perceived utility of the cadaver dissections, and free-response comments were solicited via an online survey. There were no statistically significant differences when comparing student mean examination score values between the sequential and traditional groups on both multidisciplinary examinations (79.39 ± 7.63 vs. 79.88 ± 7.31, P = 0.738) and gross anatomy questions alone (78.15 ± 10.31 vs. 79.98 ± 9.31, P = 0.314). A statistically significant difference was found between the sequential group's and traditional group's (63% vs. 29%; P = 0.005) self-perceived preparedness for cadaveric dissections in the 2017 class. Analysis of free-response comments found that students in the traditional group believed their performance in PBL group, participation in PBL group and examination performance was adversely affected when compared to students with the sequential schedule. This study provides evidence that cadaveric dissections scheduled in sequence with PBL cases can lead to increased student self-confidence with learning anatomy but may not lead to improved examination scores.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».