Development and Evaluation of a Virtual Barn Tour in Swine Medicine
Notice bibliographique
Résumé
The shortage of livestock veterinarians is a pressing issue in Germany and worldwide. To address this problem, the University of Veterinary Medicine Hannover, Germany, developed a digital-teaching module for swine medicine. The module, designed for first- and third-semester students, aims to provide a comprehensive understanding of swine medicine and animal husbandry. It consists of five 360° virtual barn tours of different pig farms, interactive questions, and case studies. The study evaluates the module's effectiveness in increasing students’ knowledge and understanding of swine medicine. Results demonstrate that the module has a positive impact on students’ knowledge, with the average number of correct answers increasing from 8.6 (of 14) in the pretest to 13.2 in the posttest. Knowledge improvement was measured using identical multiple-choice questions before and after module completion. Participants experienced a significant knowledge gain, especially those with less prior experience in the pig sector benefiting more from the module than those with more experience. The experience level had a significant effect on response behavior ( p = 0.0267); participants with moderate experience (Level 2) chose the response category I don't know significantly less often than those with the highest experience level (Level 4; p = 0.035). The results show that such a digital-teaching module has a high acceptance level among students. The study's findings are relevant for developing teaching materials in veterinary medicine. The study also highlights the importance of incorporating digital-teaching methods into veterinary education, particularly in swine medicine.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».