Problem solving strategies and the relationship between visualization ability and spatial anatomy task performance
Notice bibliographique
Résumé
Background In a previous study, we showed that visualization ability (VZ) is related to performance on a spatial anatomy task (SAT). Low VZ learners demonstrated consistently poorer task performance than high VZ learners. In the current study, we explored the processing commonalities and differences of learners in order to determine which problem solving strategies distinguish those of high VZ from those of low VZ. Methods Forty‐two students completed a standardize measure of VZ, the SAT, and a questionnaire involving self‐analysis of the processes and strategies used while performing the SAT. Results Consistent with our previous study, high VZ learners performed better on the SAT than low VZ learners. Concerning problem solving strategies, more low VZ learners reported using movements of body parts and/or surrounding objects while performing the SAT. These learners also stated they were more concerned about time, that is finishing all SAT questions, than they were about answering correctly. Conclusion The tendency for low VZ learners to offload cognitive work onto external perceptual‐motor processes suggests that they have problems with mental manipulations, which may contribute to their poor SAT performance. Furthermore, low VZ learners are more prone to errors while performing the SAT, as suggested by their tendency to focus on the quantity, rather than the quality, of their answers. Grant Funding Source : none
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».