MétaCan
Menu
Retour à la cohorte
Enregistrement W3159290491 · doi:10.24908/pocus.v6i1.14758

The PEGASUS Games: Physical Exam, Gross Anatomy, phySiology and UltraSound Games for Preclinical Medical Education

2021· article· en· W3159290491 sur OpenAlexvenueno aff
Mary E. Hennekes, Sarah Rahman, Andrea Schlosser, Anne Drake, Tessa Nelson, Emily Hoffberg, Robert A. Jones

Notice bibliographique

RevuePOCUS Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGross anatomyPhysiologyPhysical examMedical physicsMedicineMedical educationAnatomyInternal medicine

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,408
Écart entre enseignants0,387 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePOCUS JournalMême sujetInnovations in Medical EducationTravaux en français237 207