Use of Physical Self-Experience for Teaching Lameness Evaluation: Short-Term Effects on Lameness Evaluation of Horses with Mild Forelimb Lameness by Novice Veterinary Students
Notice bibliographique
Résumé
Lameness evaluation (LE) is an important veterinary skill, but it can be a challenging task to teach. Acoustic and visual input in conjunction with acting are the three major learning channels for acquiring new information. Acting (e.g., physical self-experience) has not been reported as a didactic tool for LE; therefore, we investigated two physical self-experience techniques, imitation of lameness during LE instruction and head nod during LE. Undergraduate veterinary students ( N = 78) who had not yet received any instructions for LE underwent standard instruction for LE, followed by instructions to head nod, instructions to imitate lameness, or neither. Students’ subjective LE skills were then tested against those of senior clinicians on two horses that were either sound or mildly forelimb lame. In more than 80%, there was agreement on the presence or absence of lameness independent of instruction, and we found no significant evaluation differences between didactic strategies. Specific instructions for head nodding did not significantly influence the quality of LE, possibly because head nodding was widespread even when no specific instructions had been given. Veterinary students who had been taught to imitate lameness without instructions to head nod were consistently closest to the assessment of the senior clinicians, and in walk these students were significantly better at LE than students additionally instructed to head nod. This finding indicates that imitation of lameness, but not necessarily head nodding, may be beneficial for understanding body movement such as mild equine forelimb lameness.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 ».