Cerebro, the Virtual Lab ‐ a mobile neuroanatomy game that is both fun and educational
Notice bibliographique
Résumé
Neuroanatomy remains one of the more complex disciplines in anatomical sciences education. It requires both a deep understanding of 3D anatomical relationships within the brain and a translation of that knowledge to 2D slices through the brain – an important skill, which enables the interpretation of clinical imaging studies of the brain. An additional challenge for learners is to understand the anatomy of the main ascending and descending tracts through the brainstem as well as the location of the crossing to the contralateral side for these pathways. Mastery of neuroanatomy requires both a conceptual understanding and practice in identifying structures with confidence on slices through the brainstem and the forebrain. Gamification of learning is a concept that aims to harness the fun and rewarding qualities of a game to make learning appear effortless. In this project we put together a multidisciplinary team of neuroanatomy content experts, game & software designers, and artists to develop a neuroanatomy game that is easy to use and yields learning results for students. The target audience was identified and characterized and the user experience and user interface were designed for this target audience. Iterative, agile design cycles with multiple sessions of user testing resulted in a final product that serves the needs of undergraduate students seeking a high yield return on their time investment for learning. A narrative arc was developed for the game and chapters with three levels from beginner to expert were created based on the learning objectives of typical neuroanatomy lab sessions. Principles of design thinking and iterative software design were applied in the creation of this game so that the final product would meet both the learning objectives of the course and the objective to keep the game fun and competitive. The game was designed to fit into the existing learning ecosystem for neuroanatomy, which includes interactive online resources, 3D experiences, and lab sessions that are integrated with clinical sciences.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».