Employing Eye Tracking Technology to Understand How Novices Learn Neuroanatomy
Notice bibliographique
Résumé
Introduction Neurophobia is the fear of neuroscience experienced by students who are learning and applying content. Although the cause remains unclear, neurophobia presents a major barrier to student success in neuroanatomy. A preliminary study suggested that individuals with low working memory capacity (WMC) benefit from using high‐contrast anatomical images when learning neuroanatomy. However, the reason for the improvement is unknown. Aim This study uses eye tracking technology to better understand how individuals of varying WMC and expertise study neuroanatomical images. We aim to: 1) assess differences in gaze patterns between students of high and low WMC when viewing high and low contrast brain slices and 2) compare novices and experts to uncover potential competency‐related differences. Methods Undergraduate students with no prior anatomical education (n=120) and neuroanatomical experts were recruited. During an eye tracking session, participants were given 5 minutes to study twelve structures on digital images of 4 brain slices (either coronal or transverse slices in high or low contrast) and were then tested on their ability to identify the learned structures on similar low‐contrast images. This procedure was repeated such that all participants were exposed to a set of coronal/transverse and high/low contrast images in a randomized fashion. All participants’ eye tracking data and test accuracy were recorded. After testing, participants completed the Automated Operation Span Task (OSPAN) to quantify WMC. Results Preliminary results show that students with high WMC are more accurate in identifying neuroanatomical structures when compared to low WMC students [ F (1, 32), p =.088]. Dwell time was a significant predicting factor for accuracy [ r (32)=40, p =.02]. High WMC students fixated longer on neuroanatomical structures when compared to low WMC students [ F (1, 32)=6.50, p =.02]. Data collection from expert participants is ongoing. Discussion/Conclusion Overall, these results offer a quantitative measure of how neuroanatomical information is viewed and learned to gain insight into neurophobia and influence future teaching practices in neuroanatomy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».