Did the Rapid Transition to Online Learning in Response to COVID-19 Impact Students’ Cognitive Load and Performance in Veterinary Anatomy?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
COVID-19 safety required rapid transitions to online learning across education. This posed unique challenges for veterinary anatomy, which is a practical subject. This study compares the cognitive load and academic performance of first- and second-year veterinary students studying anatomy in 2019 (pre-COVID-19) and 2020 (post-COVID-19 teaching adjustments). Importantly, the core teaching content remained identical for both courses in 2019 and 2020 apart from teaching method (in-person vs. online), allowing us to isolate the effects of teaching method on cognitive load and academic performance. Cognitive load was measured among first- ( n 2019 = 105, n 2020 = 49) and second-year students ( n 2019 = 85, n 2020 = 42) at the end of each teaching semester, using a validated instrument. The instrument measures intrinsic load (IL, study material complexity), extraneous load (EL, presentation of material), and germane load (GL, self-perceived learning). t-Tests compared the 2019 and 2020 cohorts with respect to both cognitive load and academic performance. The results indicated that 2019 and 2020 cohorts did not differ on IL or EL in either the first- or second-year subject. However, among both first- and second-year students, the 2020 cohort reported significantly less GL compared to the 2019 cohort. Additionally, the first-year 2020 cohort performed at a significantly lower level than the first-year 2019 cohort. No significant difference in performances was reported between second-year cohorts. Therefore, despite being less inclined to perceive that online course activities enhanced their understanding of anatomy, second-year students with previous experience of learning anatomy in an in-person tertiary environment adjusted better than first-year students with limited experience.
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.
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 | 0,016 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle