Students as partners: A novel approach to developing a gamified anatomical learning toolkit using design thinking principles
Notice bibliographique
Résumé
The practice of involving students in designing pedagogical resources, including gamified learning tools, is often underutilized. Traditionally, students are engaged in usability and efficacy testing of finalized learning tools, limiting their ability to shape the learning experience from inception. However, adopting a Students as Partners (SAP) approach allows for their involvement earlier and throughout the design and development process. Design thinking offers a structured methodology to optimize this partnership, providing a learner-centered approach to creating gamified learning tools with students for students. This process fosters a deep understanding of students' needs (empathizing and defining learners' needs), incorporates their ideas (challenging assumptions and idea creation), and enables iterative feedback (involvement in prototyping and testing). In this article, we describe how the design thinking methodology, in collaboration with SAP, was utilized to develop Anat-O-MEE, a gamified learning toolkit designed to enhance students' three-dimensional (3D) spatial reasoning skills in anatomy. The toolkit consists of three scaffolded levels-Map, Explore, and Extrapolate-which progressively support the transition from 2D to 3D anatomical understanding. Student partners played an active role in user-interface testing, functionality assessments, and alpha testing of games and tasks, contributing to iterative refinements in both design and content.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».