The PEGASUS Games: Physical Exam, Gross Anatomy, phySiology and UltraSound Games for Preclinical Medical Education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Gamification engages learners and has successfully taught point-of-care ultrasound (POCUS) to residents and fellows. Yet ultrasound (US) curricula in undergraduate medical education remains limited. This study assessed a gamification model integrating US, anatomy, physiology, physical examination, and radiology created for preclinical medical students as compared with traditional didactic education. Methods: Twenty first-year medical students participated in a session on neck and thyroid material. Students were randomly assigned to a game or non-game group. Game students participated in games incorporating thyroid US with exam maneuvers, other imaging modalities, physiology, and pathology. Non-game students were taught the same material with an instructor. Students were assessed with a pretest and immediate and delayed post-tests. Group differences and scores were assessed using t-tests. A Likert scale evaluated learners’ opinions of the educational experience. Results: The game group performed better than the non-game group on the immediate post-test (p = 0.007, CI = [0.0305, ∞]). There was no significant difference between the groups on the delayed post-test (p = 0.726, CI = [-0.120, ∞]). Students in both groups felt more confident in their knowledge of the material, and all students in the game group agreed that the games encouraged teamwork. Most (9/10) stated the games allowed them to learn the material more effectively and would like to see more gamification (8/10). Conclusion: This US education model incorporating gamification for preclinical medical students promotes teamwork and is as effective for learning material than a traditional learning model. Students additionally convey a positive attitude towards gamification.
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.
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 | 0,018 |
| 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 | 0,001 |
| 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 découle