Local experience of laboratory activities in a BS physical therapy course: integrating sEMG and kinematics technology with active learning across six cohorts
Notice bibliographique
Résumé
Introduction Integrating technology and active learning methods into Laboratory activities would be a transformative educational experience to familiarize physical therapy (PT) students with STEM backgrounds and STEM-based new technologies. However, PT students struggle with technology and feel comfortable memorizing under expositive lectures. Thus, we described the difficulties, uncertainties, and advances observed by faculties on students and the perceptions about learning, satisfaction, and grades of students after implementing laboratory activities in a PT undergraduate course, which integrated surface-electromyography (sEMG) and kinematic technology combined with active learning methods. Methods Six cohorts of PT students (n = 482) of a second-year PT course were included. The course had expositive lectures and seven laboratory activities. Students interpreted the evidence and addressed different motor control problems related to daily life movements. The difficulties, uncertainties, and advances observed by faculties on students, as well as the students’ perceptions about learning, satisfaction with the course activities, and grades of students, were described. Results The number of students indicating that the methodology was “always” or “almost always,” promoting creative, analytical, or critical thinking was 70.5% [61.0–88.0%]. Satisfaction with the whole course was 97.0% [93.0–98.0%]. Laboratory grades were linearly associated to course grades with a regression coefficient of 0.53 and 0.43 R-squared (p < 0.001). Conclusion Integrating sEMG and kinematics technology with active learning into laboratory activities enhances students’ engagement and understanding of human movement. This approach holds promises to improve teaching-learning processes, which were observed consistently across the cohorts of students.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».