An Exploratory Study of the Impact of COVID-19 Pandemic Disruptions on Veterinary Medical Education
Notice bibliographique
Résumé
The COVID-19 outbreak forced educators worldwide to transition to remote teaching, which caught most of the instructors and students off-guard. Instructors had to quickly adapt and find effective substitute teaching methods during this unprecedented period, while students had to maintain motivation and engagement in the learning process. As with all educational levels and disciplines, teaching and assessment in veterinary medicine were forced to change during this adjustment period. The biggest concern regarding educational experiences was potential learning loss caused by the disruption. This study examined whether COVID-19 pandemic disruptions negatively impacted veterinary students' knowledge and skill acquisition in both basic science education, and clinical science education employing a quasi-experimental approach. Data sources included the results from standardized exams including Veterinary Educational Assessment (VEA), the North American Veterinary Licensing Examination (NAVLE), Objective Structured Clinical Examinations (OSCEs), and surveys (i.e., Senior Exit Survey, Alumni Survey, and the Employer Survey). Analysis of variance was computed to compare pre-COVID results with those attained during and after pandemic restrictions. The results indicated no statistically significant difference in student performance on standardized exams, but a significant drop in the mean scores for OSCEs. Students whose education was disrupted by COVID-19 pandemic restrictions were as much satisfied with the education they received as their peers whose education was not disrupted. Conclusions are discussed and recommendations for further research are provided.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».