Visuospatial ability and student approach to learning as predictors of academic performance on written versus laboratory‐based assessments in human anatomy
Notice bibliographique
Résumé
As hours devoted to human anatomy curricula fall under threat and curricular delivery methods remain in flux, many new teaching innovations are emerging, which require comprehensive evaluation to ensure evidence-based teaching is maintained. Although grades are the predominant measure of 'learning', alternative metrics can assess more nuanced and meaningful outcomes. Two common predictors of students' three-dimensional understanding of the body and depth of learning are visuospatial abilities and approaches to learning, respectively. This study evaluated and compared the relative predictive power of these metrics on written and laboratory-based assessments in a human anatomy course. Deep approaches to learning and visuospatial abilities were expected to positively correlate with overall performance, with visuospatial abilities being the more salient predictor, especially on laboratory-based assessments. Additionally, visuospatial abilities were expected to positively correlate with deep learning approaches and negatively correlate with surface learning approaches. Multiple linear regression models controlling for covariates found that both visuospatial abilities (p = 0.049; p = 0.014) and deep learning approaches (p = 0.001; p = 0.001) were independent significant predictors of final and laboratory-based grades, while only deep learning approaches were significantly predictive of written grades (p = 0.007). There was no significant relationship between visuospatial abilities and approaches to learning. Given these findings and the increased reliance on visuospatially demanding digital learning activities in anatomy, both metrics should be considered when evaluating the impact of teaching innovations. Further, educators should design learning resources and environments that train visuospatial abilities and promote deeper learning approaches to maximize students' success.
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 ».