Outcomes of 2 Multimodal Human Anatomy Courses Among Doctor of Physical Therapy Students (Entry-Level): A Quasi-experimental Study
Notice bibliographique
Résumé
Introduction. Alternative methods of anatomy instruction have increased in popularity; however, cadaveric dissections were not consistently reported as the most effective teaching tool. Subjects from 2 professional (entry-level) physical therapist education programs who were taught anatomy using multimodal strategies and either cadaveric dissection or prosected cadavers were compared. The purposes of this study were to 1) determine subjects' approach to learning (surface or deep), 2) determine the preferred learning style of the subjects, 3) assess the subjects' retention of anatomy at the completion of an anatomy course and 6 months later, and 4) determine how much time subjects spent in learning activities for each anatomy pedagogy. Methods. Outcome measures consisted of an anatomy quiz, the Revised 2-Factor Study Process Questionnaire, a Learning Perception Inventory, and the Visual, Auditory, Read/Write, Kinesthetic Questionnaire. Data were collected at 3 points during the study: before anatomy class, immediately at the conclusion of the anatomy class, and 6 months after the class had ended. Data were analyzed using SPSS 25.0 and included descriptive statistics, Wilcoxon signed ranks tests, and Mann–Whitney U tests. Results. Subjects in both programs were kinesthetic learners who used a deep learning approach. Subjects were able to retain anatomical knowledge postanatomy and 6 months after the class ended, no matter which learning tools were used. The group who worked with prosected cadavers perceived spending more total time preparing for anatomy class. Discussion and Conclusion. Based on these results, cadaveric prosection was as effective as cadaveric dissection in 2 multimodal anatomy classes for subjects in 2 professional (entry-level) physical therapist education programs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».