Development of an Online Distance Learning Platform Combining Anatomy, Imaging, and Surgical Practice to Support Mastery Learning of the Equine Locomotor Apparatus
Notice bibliographique
Résumé
There are many challenges in teaching veterinary anatomy, such as available classroom time, costs, and difficulties accessing animal cadavers, mainly due to animal welfare concerns. Furthermore, veterinary surgeons and radiologists complain that recent graduates lack anatomical knowledge. On the other hand, the current limitations of face-to-face teaching due to the COVID-19 pandemic suggest that the development of online distance education tools is necessary, mainly in specialties that lack this type of material. Teaching platforms promoting the integration of anatomy with other applied disciplines such as imaging and surgery in the horse were not found in the consulted literature. Therefore, this work aimed to develop an online distance education platform for studying the surgical anatomy of a horse's locomotor apparatus as a complementary tool for training students enrolled in undergraduate courses in veterinary surgery. The locomotor apparatus was chosen as the focus as it is the most commonly found in equine surgeries. Anatomical pieces referring to the locomotor apparatus were prepared. These were complemented with material related to diagnostic imaging, surgery videos, theoretical explanations, and an interactive radiological anatomy tool. Finally, all the material was uploaded to a virtual platform accessible via the Internet. The platform is expected to be a tool that helps students in surgical training and prepares them with a better understanding of anatomy and its application in surgery.
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 | 0,001 |
| 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 ».