Innovating pathology learning via Kahoot! game-based tool: a quantitative study of students` perceptions and academic performance
Notice bibliographique
Résumé
Pathology learning for medical undergraduate students is a challenging task. Kahoot! is a mobile game-based online digital formative assessment tool that can engage students in its learning. This study is the first to assess the effect of Kahoot! use on Pathology learning outside classroom using a comparative group with assessment done at the end of the course. The study was carried out on the first-year Pathology students at Helwan University, Faculty of Medicine, after ending a basic Pathology course. The study is a retrospective quasi-experimental quantitative study. Academic performance of students in Pathology was compared between Kahoot! and non-Kahoot! users (55 students each). In addition, an online survey was introduced to the 55 Kahoot! user students to investigate their perceptions on it. Survey and test score data were analyzed by appropriate tests using IBM-SPSS (Statistical Package for Social Sciences). The level of significance was P < 0.05. Kahoot! enhanced Pathology understanding (83.6%), retaining knowledge (87.3%), made learning fun and motivating (89.1%). Other mentioned advantages of Kahoot! were practicing for exam (40%), simple and easy to use (36.4%), competitive (18.2%), self confidence booster (10.9%), forming a comprehensive image of the lecture (9%), quick (9%), and imagining skills booster (5.5%). Mentioned disadvantages included no explanation for the answers to questions (20%). A quarter of the students stated that the time limit for the questions was short (27.3%). Kahoot! use was significantly associated with better Pathology academic performance (P = 0.001), and it was not related to the general academic performance of the students (P = 0.06). Most users (85.4%) recommended its continuous future use. The study offers an endorsement to the use of Kahoot! for gamifying formative assessment of Pathology and can provide a basis for the design of an online Kahoot! -based continuous formative assessment plans implemented outside-classroom in the Pathology curricula.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».