MétaCan
Menu
Retour à la cohorte
Enregistrement W3168962288 · doi:10.1096/fasebj.2021.35.s1.01617

Lecture Slides Design: Medical Students’ Preferences of Best Practices

2021· article· en· W3168962288 sur OpenAlexaffabout
Olivia Tsai, Clarissa Wallace, Karen Pinder

Notice bibliographique

RevueThe FASEB Journal · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDisk formattingCurriculumConsistency (knowledge bases)ChecklistMedical educationClass (philosophy)StandardizationQuality (philosophy)Computer sciencePsychologyMultimediaMedicinePedagogy

Résumé

récupéré en direct d'OpenAlex

Large group lectures that are centred on PowerPoint (PPT) slide presentations are a ubiquitous instructional format during the pre‐clinical years of medical schools around the world, whether delivered virtually or in‐person. However, lecturers rarely receive formal training on how to design their lecture slides to optimize student learning. Consequently, due to the large number of faculty members delivering lectures in undergraduate medical curricula, there is wide variation in slide layout and organization. Cognitive load theory provides an established rationale for standardization of this aspect of lecture delivery. To assess students’ experiences and preferences with lecture slides design, a survey was distributed to students in the MD Undergraduate Program at the University of British Columbia (UBC), Canada. The survey evaluated students' experiences with PPT slides in large group lectures through the entirety of their first year of medical school. Questions explored the perceived importance of lecture slides in understanding content, and satisfaction with slide formatting, quality and consistency. Over‐all, the majority of student responses rated the importance of lecture slides and their design and formatting to be “important” or “very important” elements for understanding a lecture during class (87%), and even more so for reviewing and studying after a lecture (93%). Specifically, students highlighted the need to address the quality and consistency of lecture slides in the curriculum and pointed to elements such as colour, layout, and image quality as areas for improvement. Results were used to formulate a one‐page checklist of best practices for slide design, which is now distributed to all lecturers in the UBC undergraduate medical curriculum. Major recommendations include addressing readability by using simple white backgrounds with black text, the provision of relevant and high‐quality graphics, and higher level session organization through the use of lecture objectives, tables and summary slides. Our results will be useful and of interest to all medical and allied health professionals who lecture using PPT slides.

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)0,010
score de la tête « metaresearch » (Gemma)0,045
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 enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,134
Tête enseignante GPT0,433
Écart entre enseignants0,299 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207