Improving physiotherapy students' anatomy learning experience and short‐term knowledge retention—An observational study in Malta
Notice bibliographique
Résumé
Abstract Anatomy is physiotherapy's foundation. However, undergraduate classroom learning and knowledge acquisition‐retention remain questionable. This study explored the possibility of improving this learning experience and evaluates the gross anatomy of abdomen and pelvis short‐term knowledge retention among first‐year physiotherapy students in Malta. The online Kahoot! game‐based quiz platform was used through an instructor‐designed best‐of‐four multiple‐choice questions. Correctly answered questions and Kahoot! scores generated by the platform were utilized to measure knowledge retention. Kahoot! sessions 1 and 3 shared similar attendance and response rate and were compared together. The Mann–Whitney U test was used to compare Kahoot! scores and Chi test for trend to compare correctly answered questions. Students' perceived learning experiences before and after the introduction of the Kahoot quizzes were gathered through Likert scores and analyzed using McNamar's chi‐square test. Overall, a significantly increased trend in correctly answered questions ( χ 2 : 23.38, p ‐value: <0.001) across the Kahoot! sessions were evident. Four questions out of 12 exhibited significant Kahoot! scores differences. Students reported better learning experiences following the initiation of Kahoot! ( χ 2 : 5.1, p ‐value: 0.02). Indeed, all students agreed that the use of the interactive quiz improved their anatomy short term knowledge retention. Introducing an online interactive quiz as part of the lecture program may be useful to improve the learning experience and anatomy knowledge retention among physiotherapy 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 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 | 0,001 |
| 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 ».