Evaluating the quality and educational utility of <scp>YouTube</scp> videos in teaching human surface anatomy
Notice bibliographique
Résumé
Abstract YouTube is increasingly used by medical and health science students as a supplementary learning tool. However, the quality and educational value of surface anatomy videos on YouTube remain underexplored. This study aimed to systematically evaluate the quality, reliability, and educational usefulness of YouTube videos focusing on human surface anatomy. A structured YouTube search was conducted (December 2024–January 2025), targeting the seven primary body regions with specific keywords (e.g., “surface anatomy,” “bone landmarks,” and “dermatomes”). The top 30 videos per search term were selected. Two anatomists independently assessed each video using the Anatomy Content Score (ACS), Global Quality Scale (GQS), modified DISCERN (mDISCERN), and Journal of the American Medical Association (JAMA) benchmarks. Inter‐observer agreement was evaluated via Kappa coefficient. Associations between video quality scores and YouTube metrics (view count, like ratio, interaction index) were examined using nonparametric tests. Among 1050 retrieved videos, 85 (8%) met inclusion criteria; 48 (56.5%) were classified as “useful” (ACS ≥ 13, GQS ≥ 4). Longer video duration was significantly ( p < 0.001) associated with higher usefulness, whereas view count, like ratio, and interaction index did not correlate with usefulness. ACS strongly correlated with GQS ( r s = 0.754) and both correlated moderately with mDISCERN. No significant differences in video quality were observed across body regions, search rankings, presented material type, or upload period (pre‐ vs. post‐COVID‐19). YouTube offers a moderate‐quality resource for learning surface anatomy, with approximately 60% of evaluated videos deemed useful. Popularity metrics are unreliable indicators of video educational quality, underscoring the need for peer‐reviewed, high‐quality digital 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 | 0,016 | 0,007 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».