Augmented and Virtual Reality in Anatomical Education and its Evaluation: Quality Matters
Notice bibliographique
Résumé
Introduction and Objective Many studies have described augmented and virtual reality (AR/VR) teaching in anatomy as having great potential. However, for this potential to be realized, deeper exploration of the offered evidence in AR/VR tool evaluation is required. While the body of evidence may be increasing to support the use of AR/VR, the purpose of this review is to examine the gaps in implementing and evaluating AR/VR anatomical education. The focus of many reviews is on the technology with less emphasis on instructional design. This review aims to pave the way for future researchers to provide evidence based, rigorously evaluated and validated anatomical educational tools that will truly be helpful. Materials and Methods A literature search was conducted using search terms related to AR/VR anatomical educational tool evaluation. Included studies were evaluated for quality of research. Results Gaps in AR/VR anatomy education evaluation studies included lack of user‐focused design process, minimal to no re‐iterations of AR/VR anatomy educational methods, high risk of bias, low validity, and lack of standardized protocols. Conclusion In order to successfully and sustainably incorporate AR/VR into institutional educational curricula, high quality, comprehensive, standardized protocols of evaluation and user‐centred design approaches to meet instructional and curricular goals are required. Significance/Implication AR/VR is becoming increasingly available as a tool in anatomy education. It is a promising but relatively new frontier, and as such there is an increased pressure to seek out high quality evidence regarding its efficacy. These protocols must reflect a user‐centered, iterative process that begets high quality anatomical educational tools which would reliably and reproducibly lead to higher quality educational outcomes.
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 | 0,001 | 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 | 0,000 |
| 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 ».