Revisiting Pseudo-Haptics for Psychomotor Skills Development in Online Teaching
Notice bibliographique
Résumé
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 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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».