Size matters! Investigating the effects of model size on anatomy learning
Notice bibliographique
Résumé
Abstract Three‐dimensional (3D) scanning and printing technology has allowed for the production of anatomical replicas at virtually any size. But what size optimizes the educational potential of 3D printing models? This study systematically investigates the effect of model size on nominal anatomy learning. The study population of 380 undergraduate students, without prior anatomical knowledge, were randomized to learn from two of four bone models (either vertebra and pelvic bone [os coxae], or scapula and sphenoid bone), each model 3D printed at 50%, 100%, 200%, and either 300% or 400% of normal size. Participants were then tested on nominal anatomy recall on the respective bone specimens. Mental rotation ability and working memory were also assessed, and opinions regarding learning with the various models were solicited. The diameter of the rotational bounding sphere for the object (“longest diameter”) had a small, but significant effect on test score ( F (2,707) = 17.15, p < 0.05, R 2 = 0.046). Participants who studied from models with a longest diameter greater than 10 cm scored significantly better than those who used models less than 10 cm, with the exception of the scapula model, on which performance was equivalent across all sizes. These results suggest that models with a longest diameter beyond 10 cm are unlikely to incur a greater size‐related benefit in learning nominal anatomy. Qualitative feedback suggests that there also appear to be inherent features of bones besides longest diameter that facilitate learning.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».