Notice bibliographique
Résumé
Anatomy is generally considered by students to be a subject that is simply learned through assimilation of facts. Unfortunately, this type of strategy both ill‐equips students to form connections between material and ill‐prepares them for more complex learning that is necessary in medical curriculums. It has been shown previously (Regpalla & Easteal, 2013) that retrieval practice improves results in large gross anatomy classes and we are currently assessing the benefit of sleep consolidation in the hard wiring of anatomical information that would provide the basis for more complex learning when required. These results, and others, will be highlighted in a discussion describing teaching and learning techniques used in 2 nd and 3 rd year pre‐med courses in gross anatomy that have optimized up‐to‐date teaching and memory strategies. The presentation will involve the discussion of the following teaching techniques: cognitive load application, spiral syllabus, association (or congruency), constructive alignment, and the use of document cameras. In addition, descriptions of memory acquisition techniques will include: 1) study of lecture material within 3 hours of sleep, 2) sleep acquisition of ‘recent memory’, 3) once‐a‐week labs in both an anatomical dissection room and museum (+1200 specimens), and 4) the use of retrieval practice to enhance long term memory (which has been shown to be more than twice as effective as studying for long term memory: Karpicke & Roediger, 2008). Moving forward, the hope is that the discussion of these teaching and learning techniques, as currently used in gross anatomy courses, will provide educators with examples of how they can be implemented into course curriculum with the aim of improving student learning and long‐term retention. This abstract is from the Experimental Biology 2018 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».