Using Multimedia Dissection Videos to Supplement Learning of Veterinary Anatomy in the COVID Era and Beyond: Student Perceptions and Benefits
Notice bibliographique
Résumé
Anatomy is a foundation for veterinary medical education, yet its teaching has traditionally posed an academic challenge to students. Anatomy is a three-dimensional (3D) subject that students are often expected to learn using one- or two-dimensional learning resources. Visualization of structures and the transfer of images to animal specimens can impede knowledge acquisition and student confidence. As a response to the COVID-19 pandemic, the first-year anatomy course (Anatomy I) at The Ohio State University College of Veterinary Medicine was delivered virtually in Autumn 2020. Instructors were challenged to create equivalent learning experiences without face-to-face interaction and cadaveric access. Fortunately, multimedia dissection videos were in production and supplemented students' learning of anatomic structures and dissection techniques. Videos included complete narration, explanations, diagrams, labels, and self-check opportunities. To evaluate the perceived effectiveness of the videos on student learning, the Anatomy I teaching team surveyed all first-year veterinary students following the course. Of the 104 students (64%) who completed the survey, 101 (97%) agreed or strongly agreed that the videos helped solidify their anatomy knowledge, skills, and understanding. The most helpful video characteristics included the demonstration of dissection techniques on a cadaver and the visualization of structures on 3D specimens. Students also appreciated the ability to review content at their own pace/convenience, a feature inherent to recorded (asynchronous) video-based instruction. These data suggest that video-based instruction may effectively supplement students' learning of veterinary anatomy and improve the transfer of knowledge, particularly when other forms of direct instruction are inaccessible.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».