Landmark Positioning on a Map: An Alternative Measure of Spatial Ability for Identifying Students Who May Benefit from Learning Gross Anatomy with Virtual Reality
Notice bibliographique
Résumé
Research has shown an inconsistent relationship between spatial abilities and learning outcomes from virtual anatomical tools. Instructors must understand this relationship to select appropriate resources for diverse learners. To identify appropriate tests for measuring spatial ability and evaluate the effectiveness of virtual anatomical resources, this study compared 96 students’ visuospatial ability (measured using the Mental Rotation Task [MRT] and Landmark Position on a Map [LPM] tests) with learning outcomes from experimental anatomy sessions and undergraduate anatomical course examinations. During experimental sessions, students took a test after a brief instructional session using one virtual resource: a monoscopic resource (e.g., digital photographs or a rotatable three-dimensional [r3D] specimen) or a stereoscopic virtual reality (VR) specimen. A negative linear relationship was found between MRT scores and students in Session B using VR with controllers ( r = –.56 to –.29), and LPM scores and students using VR ( r = –.71 to .39) and r3D ( r = –.41 to .43). There was a positive linear relationship between MRT scores and all other resources ( r = .01 to .91), and course examination scores ( r = .25 to .42, p = .05). Although the results were inconsistent, correlations were found between spatial ability and outcomes using both the MRT and LPM. The LPM might be better suited for determining which learners would benefit from VR. The results suggest that monoscopic resources best support high spatial abilities and stereoscopic resources best support low spatial abilities. These findings support accounting for diverse learner visuospatial abilities when selecting resources.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».