Is exam performance in anatomy influenced by teaching with prosected cadavers? An evidence‐based study
Notice bibliographique
Résumé
INTRODUCTION: Little empirical evidence substantiates the need to use cadavers to teach anatomy effectively. We investigated the effect of attendance at anatomy laboratories and cadaver use on .anatomy exam performance over a 12-year period (2006-2007 to 2018-2019) before and after a curricular change (2013-2014). MATERIALS AND METHODS: Anatomy exam performance data were collected from undergraduate files at Memorial University of Newfoundland, Canada, for 782 medical students over a 12-year period. Three groups emerged: (i) 6 years of the old curriculum using prosected specimens, N = 376; (ii) 3 years of the new curriculum using prosected specimens, N = 239; (iii) 3 years of the new curriculum using no prosected specimens, N = 240. For the 2018-2019 academic year, laboratory attendance was recorded, N = 80. RESULTS: The unplanned discontinuation of prosected specimens did not markedly impact anatomy instruction. Student performance under the new and old curricula (p = .0018) and with and without cadavers (p = .0117) is slightly, but significantly, different. Student performance is not associated with the number of missed laboratories (Spearman ρ = 0.145, p = .2). DISCUSSION: Although use of cadavers and prosected specimens continues in anatomy-wet laboratories, today's tech-savvy students want information at their fingertips 24/7. The three factors examined in this study suggest a surprisingly consistent performance on anatomy examinations despite changing conditions. Perhaps medical schools should offer as many quality resources as budgets allow, inform students of their availability and let students decide which learning methods work best for them individually, thus facilitating self-directed learning. CONCLUSION: Consistent exam performance can be achieved using a variety of teaching and learning methods.
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 | 0,015 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».