MétaCan
Menu
Retour à la cohorte
Enregistrement W4220655707 · doi:10.7759/cureus.23664

Revisiting Pseudo-Haptics for Psychomotor Skills Development in Online Teaching

2022· editorial· en· W4220655707 sur OpenAlexafffund
Bill Kapralos, Álvaro Uribe-Quevedo, Celina Da Silva, Eva Peisachovich, KC Collins, Kamen Kanev, Adam Dubrowski

Notice bibliographique

RevueCureus · 2022
Typeeditorial
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversity of Ontario Institute of TechnologyYork UniversityCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHaptic technologyPsychomotor learningVirtual realityIllusionHuman–computer interactionComputer scienceVirtual machineVirtual learning environmentMultimediaMedicineSimulationMedical educationPsychologyCognitive psychologyCognition

Résumé

récupéré en direct d'OpenAlex

In a centralized model of simulation-based education (Ce-SBE), the trainees practice clinical skills in simulated laboratories based on physical models, while in a decentralized model (De-SBE), the trainees practice these skills outside of these laboratories. Attention to De-SBE has drastically shifted to virtual learning environments (VLEs), serious games, and virtual simulations employing various digital technologies, including virtual, augmented, and mixed reality. In particular, remote learning has grown immensely during the COVID-19 pandemic as traditional in-person teaching and training activities are conducted online as a form of facilitating continuity in education. VLEs allow trainees to learn from virtual simulated health experiences in an interactive, engaging, and ethically safe manner, while providing educators the opportunity to implement simulated experiences to a larger number of learners. Despite these benefits, for certain types of clinical skills, such as psychomotor skills, VLEs have not yet reached their potential. This is primarily due to technical limitations and cost issues with the haptic devices required to simulate the sense of touch. Pseudo-haptic refers to the illusion of haptic stimulation in the absence of mechanical haptic interfaces and often combines the use of a passive input device (e.g., mouse) with visual and auditory feedback to simulate haptic properties (stiffness or friction of an object). Although the application of pseudo-haptics for psychomotor skills development is still in its infancy and currently trending due to the availability of consumer-level technologies, the potential to present haptic cues in the absence of active haptic devices may allow trainees to practice some tasks outside of research and training labs. The implications of pseudo-haptics are tremendous, particularly as remote learning becomes more widespread, and warrant further discussion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,278
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetTeleoperation and Haptic SystemsTravaux en français237 207