MétaCan
Menu
Retour à la cohorte
Enregistrement W3016307323 · doi:10.1096/fasebj.2020.34.s1.06821

Cerebro, the Virtual Lab ‐ a mobile neuroanatomy game that is both fun and educational

2020· article· en· W3016307323 sur OpenAlexaff
Olivia Marais, Katherine Tourigny, Camilo Lellis‐Santos, Kim Burke, Niccolo Pucci, Oliver Riisager, Sean Jeon, Weiyi Zhang, Julia Lastovikova, Jeannette Kopak, Claudia Krebs

Notice bibliographique

RevueThe FASEB Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNeuroanatomyComputer scienceHuman–computer interactionGame designMultimediaPsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAnatomy and Medical TechnologyTravaux en français237 207