Etude des mouvements oculaires comme outil pédagogique en imagerie médicale : résultats et défis méthodologiques
Notice bibliographique
Résumé
Titre : Etude des mouvements oculaires comme outil pédagogique en imagerie médicale : résultats et défis méthodologiques Auteurs: George Rakovich, Stéphane Carignan, François Marquis, Serge Dubé, avec la participation d’une équipe de psychologie de l’Université de Montréal. Contexte : Les modalités de formation en imagerie médicale ne se fondent pas sur des stratégies pédagogiques adaptées. Or certaines études suggèrent qu’on pourrait utiliser les mouvements oculaires pour enseigner une stratégie de recherche visuelle experte et systématique. Objectif: Mesurer les effets d’enseigner la stratégie de recherche visuelle d’un radiologiste aux étudiants de médecine. Matériel et méthodes : Un logiciel pédagogique a été conçu à partir des trajectoires de balayage visuel d’un radiologiste. Suivant un devis randomisé, les étudiants formés avec ce logiciel ont été comparés à un groupe contrôle à partir de l’observation de 20 radiographies pulmonaires. Résultats : Quatre séries de données de chaque groupe étaient disponibles pour analyse. Le taux d’exactitude diagnostique était de 61,25% +/- 6,29% et de 63,75% +/-14,3% pour les groupes expérimental et contrôle, respectivement (test t, p=0,38; alpha 0,05). Les valeurs des vecteurs de Damerau-Levenshtein (mesures des mouvements oculaires) étaient de 99,13 +/- 4,26 et de 97,43 +/- 3,01 pour les groupes expérimental et contrôle, respectivement (test t, p=0,0022; alpha 0,05). Discussion et conclusion : L’exactitude diagnostique était faible et comparable. Ce résultat peut être dû à un manque de puissance de l’étude due au petit nombre de participants, un logiciel inefficace, ou une utilisation sous-optimale du logiciel due à un temps de formation insuffisant. Le groupe expérimental avait aussi une stratégie de recherche visuelle moins systématique (valeur supérieure du vecteur de Damerau-Levenshtein). Ces résultats exigent une réévaluation de notre compréhension de l’expertise en imagerie médicale. Cependant la faible participation et l’absence de données supplémentaires sur les mouvements oculaires en raison de problèmes méthodologiques limitent les tentatives d’interprétation.
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 | 0,141 | 0,355 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».