MétaCan
Menu
Retour à la cohorte
Enregistrement W4225379889 · doi:10.1096/fasebj.2022.36.s1.0i616

Ethical and Inclusive Design Principles in xR

2022· article· en· W4225379889 sur OpenAlexaff
Claudia Krebs

Notice bibliographique

RevueThe FASEB Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAffordanceAugmented realityEngineering ethicsVirtual realityEmerging technologiesSpace (punctuation)Computer scienceSociologyPsychologyHuman–computer interactionEngineering

Résumé

récupéré en direct d'OpenAlex

The past years have resulted in an increased use of technology in anatomy and medical education. The use of augmented and virtual reality, collectively often referred to as extended reality (xR) is moving from an experimental idea to a curricular reality. The confluence of a global pandemic and increased accessibility of emerging technologies has resulted in many xR endeavours and education applications. As we explore the use of these technologies, as we integrate them into our classroom, as we develop applications in these technologies, we need to ask the question about how we balance the technological affordances with our values grounded in ethics and inclusivity. Technology can change how we see the world and it can influence our affective response to education. In anatomy education, when using xR, we need to follow universal design principles in order to make the technology accessible to students of all abilities. An emphasis on the learner experience and intuitive interfaces makes the technology fade into the background and puts the academic content into the center of the learning experience. Deliberate choices of how anatomy is placed in the virtual space and whose anatomy we are visualizing grounds these approaches in an ethical framework. We are at the cusp of a new era in technology use, it is an opportunity to make sure that our way forward will reflect our values and build a compassionate, inclusive, and exciting approach to anatomy education.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,755

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,002
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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAnatomy and Medical TechnologyTravaux en français237 207