Drawing and Peer Teaching Through Illustrations in a Cadaveric‐based Undergraduate Human Anatomy Program
Notice bibliographique
Résumé
The University of Guelph offers dissection‐based human anatomy courses to a large cohort of over 1000 undergraduate students per academic year. The third‐year class is the largest, comprised of students enrolled in the Human Kinetics and Bio‐Medical Sciences degree programs. Students attend weekly lectures that introduce the anatomy in a regional‐based approach. Lectures are taught using PowerPoint slides supplemented with interactive activities, including progressive schematic drawings demonstrating anatomical structures and relationships. Weekly cadaver‐based laboratories follow. Literature indicates extensive benefits to drawing in human anatomy education. Its integration has been positively associated with visual literacy and hand‐eye coordination. Drawing improves student awareness of anatomical details, by facilitating reasoning and deeper understanding of anatomical concepts. Additionally, drawing could promote peer teaching, for example, by encouraging students to create anatomical illustrations for their peers to use as study resources, therefore mutually benefiting both the illustrator‐instructor and learner. Registered course students with interest in drawing were invited to attend weekly sessions (n=48). The first half an hour involved a surface anatomy review lesson in tandem with the weekly laboratory goals. Participants were then allotted two hours to explore and draw from various cadaveric prosections related to the discussed region. Moreover, to promote peer teaching, students worked one‐on‐one with a graduate student to design an illustration‐based learning resource for their fellow peers of a region the student perceived as challenging. Preliminary results suggest a positive correlation between drawing and the understanding of anatomical structures, depth, relationships, and overall concepts. Additionally, the production and use of peer‐developed learning tools presents similar benefits. This abstract is from the Experimental Biology 2019 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .
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 | 0,000 | 0,000 |
| 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 ».