Learning in Stereo: The Relationship Between Spatial Ability and 3D Digital Anatomy Models
Notice bibliographique
Résumé
Three‐dimensional (3D) digital anatomical models show potential to demonstrate complex anatomical relationships; however, the literature is inconsistent as to whether they are effective in improving the anatomy performance, particularly for students with low spatial visualization ability (Vz). This study investigated the educational effectiveness of a 3D stereoscopic model of the pelvis, and the relationship between learning with 3D models and Vz. It was hypothesized that participants learning with a 3D pelvis model would outperform participants learning with a two‐dimensional (2D) visualization or cadaveric specimen on a spatial anatomy test, particularly when comparing those with low Vz. Participants ( n = 64) were stratified into three experimental groups, who each attended a learning session with either a 3D stereoscopic model ( n = 21), 2D visualization ( n = 21), or cadaveric specimen ( n = 22) of the pelvis. Medical and pre‐medical student participants completed a multiple‐choice pre‐test and post‐test during their respective learning session, and a long‐term retention (LTR) test 2 months later. Results showed no difference in anatomy test improvement or LTR performance between the experimental groups. A simple linear regression analysis showed that within the 3D group, participants with high Vz tended to retain more than those with low Vz on the LTR test ( R 2 = 0.31, P = 0.01). The low Vz participants may be cognitively overloaded by the complex spatial cues from the 3D stereoscopic model. Results of this study should inform resource selection and curriculum design for health professional students, with attention to the impact of Vz on learning.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».