Learner Satisfaction with Peer‐to‐Peer Teaching in Virtual Dissection Laboratories
Notice bibliographique
Résumé
Introduction Virtual dissection is a novel method for teaching anatomy through radiological images. While the role of peer learning has been studied in cadaveric dissection, not much is known about the role of peer teaching in virtual dissection. Aim To determine first year medical students' satisfaction with peer‐to‐peer teaching using this emerging technology. Methods Second year medical students prepared and taught virtual dissection laboratories for their first‐year colleagues, which were voluntary and extra‐curricular. The case‐based laboratories were designed to expose participants to clinical radiology images. Participants completed a post‐laboratory survey based on the Kirkpatrick Hierarchy for curriculum evaluation and results were tabulated. Results 34 first year students (24 females, 10 males) participated in this laboratory. All respondents found the cases were presented an appropriate level of difficulty, with 94% of participants believing the peer tutor facilitated the session effectively. Upon completing the session, the majority of participants felt that they understood the imaging findings (88%) and the clinical cases (91%), perceived the session as a valuable learning experience (97%), and would recommend the peer‐to‐peer virtual dissection laboratory to a colleague (94%). Almost all participants (97%) agreed or strongly agreed that the session was a valuable learning experience. Conclusion Students reported that peer‐to‐peer teaching was a valuable learning experience in virtual dissection laboratories. Peer‐to‐peer based virtual dissection laboratories provide an innovative and collaborative mode of learning that can complement more traditional anatomy education methods. 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 ».