Implementation of a Blended Learning Module to Teach Handling, Restraint, and Physical Examination of Cats in Undergraduate Veterinary Training
Notice bibliographique
Résumé
Cats can be easily stressed in a clinical (training) setting and may show unpredictable reactions and patterns of defensive aggression. This can be a complicating factor in undergraduate veterinary training. Inexperienced veterinary students can evoke defensive feline behavior that negatively affects learning outcomes and animal welfare. As a result, restraint techniques and physical examination of cats was hardly practiced in pre-clinical training at Utrecht University. To overcome this, a new blended learning module was developed using a lecture on feline behavior; e-learning modules about feline behavior, handling, restraint, and physical examination skills; and redesigned practical sessions in which live animals and manikins were used. The aim of this study was to investigate how students' perceptions of competence and confidence changed regarding feline behavior, handling, restraint, and physical examination skills after the new module was implemented. Questionnaires were used for quantitative analysis, and focus groups were used for qualitative analysis. The results show that compared with students who followed the standard module, students who participated in the blended learning module scored higher in feeling confident with handling animals, feeling competent to perform physical examination on cats, and ability to assess whether a cat is stressed. Students with less experience with cats were more likely to show improvement in assessing a cat's stress level than students who had much experience with cats. The results demonstrate that the blended learning module improves students' learning outcomes regarding feline skills training and adds to reduction, refinement, and replacement of the use of live cats.
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 | 0,002 | 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 | 0,001 |
| 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 ».