The novel ‘syncretion’ approach to learning gross anatomy with clay models: Is it a plausible alternative for learning the muscles in the anterior forearm?
Notice bibliographique
Résumé
Traditionally, dissection has been the method of choice for learning gross anatomy at the undergraduate level. However, rising problems in medical curriculums, such as reduced hours dedicated to anatomy education, has yielded a plethora of research in alternatives. A novel approach to learning gross anatomy, called ‘syncretion,’ has yet to be proven efficacious. The purpose of the current study is to evaluate student performance on a “bell‐ringer” examination following exposure to a syncretic or dissection model of the anterior forearm. Students will be randomly assigned into three test groups: the syncretion group will reconstruct, or build up, the anterior forearm using pre‐formed clay representations of the 8 muscles; the dissection group will “dissect” through a fully‐assembled clay model of the anterior forearm with a scalpel to visualize deeper muscles; and, the control group will learn the 8 muscles without a model. All groups will complete pre‐ and post‐tests to evaluate spatial identification, spatial reasoning and comprehension of function of musculature and osteology. It is hypothesized that the change in scores from pre‐test to post‐test in the syncretion group will mirror those exhibited by the dissection group. Following this, it is also thought that the change in scores in the two treatment groups will be greater than that of the control group, due to the added benefit of a tactile model. Grant Funding Source : Western Graduate Scholarship
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».