A peer‐led kinesthetic forearm and wrist anatomy workshop: A multiple cohort study
Notice bibliographique
Résumé
An understanding of forearm and wrist anatomy is necessary for the diagnosis and treatment of various injuries. Evidence supports the use of peer-assisted learning (PAL) as an effective resource for teaching basic science courses. First-year medical students across three class years participated in an optional PAL kinesthetic workshop wherein participants created anatomically accurate paper models of forearm and wrist muscles. Participants completed pre- and post-workshop surveys. Participant and nonparticipant exam performances were compared. Participation ranged from 17.3% to 33.2% of each class; participants were more likely to identify as women than men (p < 0.001). Participants in cohorts 2 and 3 reported increased comfort with relevant content after the workshop (p < 0.001). Survey responses for cohort 1 were omitted due to low response rates; however, exam performances were assessed for all three cohorts. Cohort 2 participants scored higher than nonparticipants on forearm and wrist questions on the cumulative course exam (p = 0.010), while the opposite was found for cohort 3 (p = 0.051). No other statistically significant differences were observed. This is the first study to examine quantitative and qualitative results for a PAL intervention repeated for three separate cohorts. Although academic performance varied, two cohorts reported increased comfort with relevant course material after the workshop. Results of this study support the need for further exploration of PAL workshops as an instructional method in teaching anatomy and highlight the challenges associated with repeating interventions over multiple years. As more studies attempt replication across multiple years, these challenges may be addressed, thereby informing PAL best practices.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».