Neuroanatomy Education: Evaluating Methods Of Delivery On Student Opinions And Academic Performance
Notice bibliographique
Résumé
INTRODUCTION Medical schools have traditionally used a dissection‐based approach for educating students in neuroanatomy. There is a trend towards increased use of prosected specimens, models, and 3‐D imaging materials as learning resources. It is not known which method constitutes the most effective way to teach students a basic understanding of human neuroanatomy. The purpose of this study was to examine whether the method of educational delivery influences student perceptions about learning anatomy, as well as performance on a practical exam. METHODS Undergraduate students from the same medical school were compared. One cohort was taught using a method that involved some dissection of brain specimens while the the second cohort was taught using a method of delivery that employed more prosected specimens. Contact hours for both groups were similar. A standardized educational survey was used to collect information regarding student perceptions and evaluate 6 different methods of delivery. This data was compared against student performance on neuroanatomy practical exams. SUMMARY Seventy students (dissection=40, prosection=30) completed the survey. Survey results revealed that teaching that used clinical cases was the most effective approach for relating anatomical structure to function, while the use of medical imaging was the most effective approach for instilling anatomical knowledge. When comparing the performance of students on the lab practical exam, the dissection group outperformed the prosection group (mean=83% vs 72%). The dissection group also outperformed the prosection group on exam questions that were given to both groups (mean=80% vs 76%). CONCLUSIONS Data suggest that student perceptions and academic performance are influenced by the method of delivery, and that medical imaging and case based scenarios enhance the learning environment. The results will be used to guide the selection of delivery method in future neuroanatomy curriculum. Support or Funding Information Funding provided by the Teaching and Learning Enhancement Fund of the University of Manitoba.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».