Comparison of Attempts Needed for Veterinary Students to Reach Proficiency in a Basic and Advanced Robotic Simulator Task
Notice bibliographique
Résumé
Surgical training of students is one of the most difficult aspects of veterinary medical education. Competing interests of house officers, owners' wishes, and ethical concerns have led to increasing use of inanimate models for basic surgical skills training. Robotic simulators have benefits for psychomotor training but have not been previously investigated in veterinary medicine. Understanding the necessary practice time for new training devices is important when determining their potential value. The aim of this study was to compare the number of attempts needed for veterinary students to reach proficiency in both a basic and advanced robotic simulator task, and to assess the predictive nature of performance variables. Each student performed a basic and advanced tasks on the Mimic dV-Trainer™ until proficiency was reached. Students required a median of eight attempts (95% CI = 7-8, range: 6-11) to reach proficiency for the basic task versus 22 attempts (95% CI = 20-26, range: 11-62) for the advanced task. The median time required to complete training for the basic and advanced task was 13.5 minutes (range: 8-24 minutes) and 26.5 minutes (range: 11-82 minutes) respectively. The difference in task attempts supports the training protocol and confirms proficiency can be attained in a short period of time. The number of attempts to reach proficiency correlated with specific performance variables that can be used by educators to aid in training students on a robotic simulator. Continued investigations on robotic simulators should be performed to investigate their use in improving psychomotor skills in veterinary students.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».