Evaluating the Effectiveness of Paper Modelling as an Active Learning Approach in the Musculoskeletal Module for the MBBS Students
Notice bibliographique
Résumé
Objective: Understanding the body's anatomical structures is critical for surgical safety and a crucial pillar of medical curricula, whether integrated or traditional. The students need to comprehend and memorize a significant amount of Anatomical information that seems to burden them. Hence, the paper modelling strategy is designed to help better learning with proper knowledge retention. Our study aims to assess the effectiveness of the modeling technique; concerning the students' performance and feedback at the module's conclusion. Methods: The study used a quasi-experimental study involving 88 medical students who performed the paper modeling for seven weeks and included two weekly activity sessions. We used overhead projector sheets, color markers, and measuring tape for the students to create the muscle models and stick them to the skeleton with poster tack. Results: Data analysis revealed that the students in the treatment groups achieved significantly higher scores (72.7%) than their peers (21.3 %), with a substantial disparity in the mean ratings between the two groups, p<0.001. Moreover, the students' feedback about this method showed that 70 to 73% agreed that the new approach helped them to comprehend and retain information about muscle locations, attachment sites, and actions and allowed them to have in-depth discussions with their peers. Conclusions: The modeling method used in the current study was well appreciated by the students and enhanced their performance because it relied on the benefits of peer-to-peer instruction and embraced combined visual and kinesthetic learning styles.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».