MétaCan
Menu
Retour à la cohorte
Enregistrement W4416321851 · doi:10.36834/cmej.81433

Six ways to get a grip on computer vision syndrome in medical school examinations

2025· article· en· W4416321851 sur OpenAlexaffvenue
Amir‐Ali Golrokhian‐Sani, Maya Morcos, Chloe Gottlieb

Notice bibliographique

RevueCanadian Medical Education Journal · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHarmMedical schoolFixation (population genetics)Eye trackingLow vision

Résumé

récupéré en direct d'OpenAlex

Computer Vision Syndrome is a group of vision symptoms related to screen use, which is a growing point of concern as screens become more integrated into daily life. Medical students are hit particularly hard by this, as they report substantial levels of screen use. While screens are practically necessary in medical education, there are areas of harm reduction that have yet to be addressed. Medical exams are particularly hostile to eye health, as students have to stare at screens for prolonged periods, making them ideal subjects for eye protection and education interventions. Some steps that examiners can take to encourage positive habits in their students are to extend exams with spaces for five-minute breaks or according to the 20-20-20 Rule, encourage an area of alternate fixation for eye breaks, add audio cues signalling breaks, educate about environmental and postural modifications to improve eye health, allow lubricating drops in exams, and modify exams to decrease suspicion of academic misconduct. Le syndrome de la vision artificielle est un ensemble de symptômes visuels liés à l'utilisation d'écrans, ce qui est de plus en plus préoccupant, étant donné que ces écrans sont de plus en plus intégrés à la vie quotidienne. Les étudiants en médecine sont particulièrement touchés par ce phénomène, car ils utilisent souvent les écrans pour leurs études. Pourtant que les écrans sont pratiquement nécessaires dans l'enseignement médical, certains aspects de la réduction des dommages n'ont pas encore été explorés. Les examens médicaux sont particulièrement hostiles à la santé oculaire, car les étudiants doivent regarder des écrans pendant de longues périodes, ce qui en fait des sujets idéaux pour des interventions de protection et d'éducation oculaires. Pour encourager les étudiants à adopter des habitudes positives, les examinateurs peuvent notamment prolonger les examens en prévoyant des pauses de cinq minutes ou en suivant la règle des 20-20-20, encourager une autre zone de fixation pour les pauses, ajouter des signaux audio pour signaler les pauses, informer sur les modifications environnementales et posturales permettant d'améliorer la santé oculaire, autoriser l'utilisation de gouttes lubrifiantes lors des examens, et modifier les examens pour réduire les soupçons de mauvaise conduite académique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,001
Études des sciences et des technologies0,0090,005
Communication savante0,0050,009
Science ouverte0,0020,009
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,322
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207