MétaCan
Menu
Retour à la cohorte
Enregistrement W3167741636 · doi:10.1096/fasebj.24.1_supplement.296.6

Gross anatomy as the foundation of integrated veterinary biomedical curriculum

2010· article· en· W3167741636 sur OpenAlexaffabout
Baljit Singh

Notice bibliographique

RevueThe FASEB Journal · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésGross anatomyCurriculumMedical educationDisciplineSession (web analytics)MedicineAnatomyPhysiologyPsychologyPedagogyComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

The curriculum reform is usually accompanied by reduced times allocated to the teaching of anatomy. During the recent review and revision of the veterinary medical curriculum at the University of Saskatchewan, we successfully pursued the argument to integrate the teaching of veterinary biomedical disciplines around the teaching of gross anatomy. The dissection of dog in a regional format is used to teach the comparative anatomy of other veterinary species, and to coordinate and integrate the teaching of histology, embryology, biochemistry and physiology. At the end of teaching of a particular region, we do integrative clinical case studies in groups of 7–8 students (3 sessions of 90 minutes each) to integrate the information from anatomy, physiology and biochemistry. At the end each case study, the whole class is brought together for a wrap‐up session. In addition to better disciplinary and professional skills learning outcomes for the students, there is better cohesion among the biomedical science faculty. Because many colleagues from clinical departments help in development and facilitation of the integrative case studies, there is better interaction and communication between the departments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,259
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAnatomy and Medical TechnologyTravaux en français237 207