The effects of supplemental instruction derived from peer leaders on student outcomes in undergraduate human anatomy
Notice bibliographique
Résumé
Supplemental instruction (SI) confers student success, as represented by grades, knowledge retention, and student engagement. However, studies often report professional, not undergraduate, program findings. To measure these effects, students studying human anatomy at a university in Ontario, Canada, attended structured (peer-assisted) or unstructured (nonpeer-assisted) SI sessions and completed a pre-/post-survey. Fifty-eight learners (39 systems (SYS) and 19 musculoskeletal (MSK) anatomy) completed both surveys and had responses analyzed. Both cohorts, maintained initial perceptions across pre-/post-analyses (MSK p = 0.1376 and SYS p = 0.3521). Resource usage was similar across both cohorts with discrepancies in skeletal model and textbook use. No MSK learner ranked any lab resources as "not at all useful." MSK learners felt more prepared to write a graded assessment (p = 0.0269), whereas SYS learners did not (p = 0.0680). Stratification of learners in MSK and SYS revealed learners spending between 30 and 60 min in SI sessions during the study period had the highest grades compared to students who spent less than 30 (p = 0.0286) or more than 60 (p = 0.0286) min attending SI sessions, respectively. Most learners in MSK (89.4%) and SYS (66%) concluded that they preferred structured over unstructured SI. Sentiment/thematic analysis using a generative AI-driven large language model revealed learners held positive perceptions of SI, emphasizing structured learning, resources, personalized learning, and support offered as the most prevalent themes surrounding SI. Ultimately, this study provides evidence that supports SI for improving student outcomes related to perceived preparedness for completing assessments and preferred teaching/learning styles in undergraduate human anatomy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».