Canine Skull Digitalization and Three-Dimensional Printing as an Educational Tool for Anatomical Study
Notice bibliographique
Résumé
This article aims to standardize 3D scanning and printing of dog skulls for educational use and evaluate the effectiveness of these anatomical printed models for a veterinary anatomy course. Skulls were selected for scanning and creating 3D-printed models through Fused Deposition Modeling using acrylonitrile-butadiene-styrene. After a lecture on skull anatomy, the 3D-printed and real skull models were introduced during the practical bone class to 140 students. A bone anatomy practical test was conducted after a month; it consisted in identifying previously marked anatomical structures of the skull bones. The students were divided into two groups for the exam; the first group of students took the test on the real skulls, whereas the second group of students took the test on 3D-printed skulls. The students' performance was evaluated using similar practical examination questions. At the end of the course, these students were asked to answer a brief questionnaire about their individual experiences. The results showed that the anatomical structures of the 3D-printed skulls were similar to the real skulls. There was no significant difference between the test scores of the students that did their test using the real skulls and those using 3D prints. In conclusion, it was possible to construct a dynamic and printed digital 3D collection for studies of the comparative anatomy of canine skull species from real skulls, suggesting that 3D-digitalized and-printed skulls can be used as tools in veterinary anatomy teaching.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».