Use of Online Resources to Study Cardiology by Clinical Veterinary Students in the United Kingdom
Notice bibliographique
Résumé
Online resources are being increasingly used by veterinary students to complement their learning. However, their use by veterinary students, especially for cardiology learning, remains poorly understood. This article investigates the extent to which clinical veterinary students use online resources to study cardiology and whether this is affected by factors of gender, age, year of study, or entry status. This was a questionnaire-based study distributed to clinical veterinary students across eight UK universities and achieved 213 respondents. The lecturer was the most preferred resource except for direct entry students and students aged 27 or more, who preferred recommended textbooks. Some 95.3% of students use search engines to research cardiology topics, and 93.4% indicated that they would first search for answers online rather than contacting their instructor. Online video clips were popular as 71.8% of students accessed them at least once per week for cardiology learning. Of those students, 89.3% found online videos useful for understanding cardiological concepts. Social media was only rarely used (6.6%) to discuss cardiology information. Nonetheless, most students (64.3%) stated that they would enjoy interacting with course material on an instructor-led social media page. Despite most students (62%) not automatically trusting online resources, only 46.9% of students indicated that they verify online cardiology information. Online resources play an important role in complementing traditional resources in cardiology learning and suggest that some level of academic oversight may be necessary to ensure students use these resources in an appropriate manner.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».