Reviewing Mobile Apps for Teaching Human Anatomy: Search and Quality Evaluation Study
Notice bibliographique
Résumé
BACKGROUND: Mobile apps designed for teaching human anatomy offer a flexible, interactive, and personalized learning platform, enriching the educational experience for both students and health care professionals. OBJECTIVE: This study aimed to conduct a systematic review of the human anatomy mobile apps available on Google Play, evaluate their quality, highlight the highest scoring apps, and determine the relationship between objective quality ratings and subjective star ratings. METHODS: The Mobile App Rating Scale (MARS) was used to evaluate the apps. The intraclass correlation coefficient was calculated using a consistency-type 2-factor random model to measure the reliability of the evaluations made by the experts. In addition, Pearson correlations were used to analyze the relationship between MARS quality scores and subjective evaluations of MARS quality item 23. RESULTS: The mobile apps with the highest overall quality scores according to the MARS (ie, sections A, B, C, and D) were Organos internos 3D (anatomía) (version 4.34), Sistema óseo en 3D (Anatomía) (version 4.32), and VOKA Anatomy Pro (version 4.29). To measure the reliability of the MARS quality evaluations (sections A, B, C, and D), the intraclass correlation coefficient was used, and the result was "excellent." Finally, Pearson correlation results revealed a significant relationship (r=0.989; P<.001) between the quality assessments conducted by health care professionals and the subjective evaluations of item 23. CONCLUSIONS: The average evaluation results of the selected apps indicated a "good" level of quality, and those with the highest ratings could be recommended. However, the lack of scientific backing for these technological tools is evident. It is crucial that research centers and higher education institutions commit to the active development of new mobile health apps, ensuring their accessibility and validation for the general public.
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 | 0,095 | 0,260 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,020 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».