Visualization Technologies for Learning and Teaching Veterinary Acarology and Entomology
Notice bibliographique
Résumé
Educational technologies are tools and resources used for improving teaching, learning, and creative inquiry. Visualization technologies (VTs) fall within this category and comprise a high diversity of strategies from simple infographics to complex forms of visual data analysis. Traditionally, parasitology has been a challenging subject in medical and veterinary degree courses due to the high number of scientific names, morphological characters, and complex life cycles, among other factors. This has been reinforced by conventional teaching methods with limited innovation strategies. Here we present the design and evaluation of an interactive album of veterinary acarology and entomology, "Álbum Interactivo de Acarología y Entomología Veterinaria" (AIAEV). This tool was assessed through three strategies: (1) a mean grade comparison between veterinary parasitology classes before and after VT implementation, (2) a system usability scale (SUS), and (3) a student/user satisfaction index. The grade value was higher in the class after implementation, the SUS total score was 80.05 (excellent), and 93.75% considered it a useful tool. This is the first study aimed at investigating the use of VTs to teach veterinary acarology and entomology and shows promising results to develop and implement digital technologies in this and other veterinary curricula disciplines.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».