Integrated virtual and cadaveric dissection laboratories enhance first year medical students’ anatomy experience: a pilot study
Notice bibliographique
Résumé
BACKGROUND: Radiology integration into medical anatomy courses is well established, but there is a paucity of literature on integrating virtual dissection into cadaveric dissection laboratories. Virtual dissection is the digital dissection of medical images on touchscreen anatomy visualization tables. The purpose of this pilot study was to investigate the feasibility of integrating virtual dissection into a first-year medical cadaver-based anatomy course and to assess students' overall attitude towards this new technology. METHODS: All students in first-year medicine at a single medical school participated in this study (n = 292). Six virtual dissection laboratories, which focused on normal anatomy, were developed and integrated into a cadaver-based anatomy course. The virtual dissection table (VDT) was also integrated into the final anatomy spot exam. Following the course, students completed a short evidence-informed survey which was developed using a theoretical framework for curriculum evaluation. Numerical data were tabulated, and qualitative content analysis was performed on students' unstructured comments. RESULTS: The survey response rate was 69.2% (n = 202/292). Most (78.7%) students reported that virtual dissection enhanced their understanding of the cadaveric anatomy and the clinical applications of anatomy. Most (73.8%) students also felt that the VDT was an effective use of the laboratory time. Thirteen narrative comments were collected, most of which (61.5%) identified strengths of the curriculum. CONCLUSIONS: In this pilot study, students perceived that their learning was enhanced when virtual dissection was combined with a cadaver-based anatomy laboratory. This study demonstrates that there is potential for virtual dissection to augment cadaveric dissection in medical education.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».