Objects drawn from haptic perception and vision‐based spatial abilities
Notice bibliographique
Résumé
Haptic perception is used in the anatomy laboratory with the handling of three-dimensional (3D) prosections, dissections, and synthetic models of anatomical structures. Vision-based spatial ability has been found to correlate with performance on tests of 3D anatomy knowledge in previous studies. The objective was to explore whether haptic-based spatial ability was correlated with vision-based spatial ability. Vision-based spatial ability was measured in a study group of 49 medical graduates with three separate tests: a redrawn Vandenberg and Kuse Mental Rotations Tests in two (MRT A) and three (MRT C) dimensions and a Surface Development Test (SDT). Haptic-based spatial ability was measured using 18 different objects constructed from 10 cubes glued together. Participants were asked to draw these objects from blind haptic perception, and drawings were scored by two independent judges. The maximum score was 24 for each of MRT A and MRT C, 60 for SDT, and 18 for the drawings. The drawing score based on haptic perception [median = 17 (lower quartile = 16, upper quartile = 18)] correlated with MRT A [14 (9, 17)], MRT C [9 (7, 12)] and SDT [44 (36, 52)] scores with a Spearman's rank correlation coefficient of 0.395 (p = 0.0049), 0.507 (p = 0.0002) and 0.606 (p < 0.0001), respectively. Spatial abilities assessed by vision-based tests were correlated with a drawing score based on haptic perception of objects. Future research should investigate the contribution of haptic-based and vision-based spatial abilities on learning 3D anatomy from physical models.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».