MétaCan
Menu
Back to cohort
Record W2996374989 · doi:10.71781/5512

Etude des mouvements oculaires comme outil pédagogique en imagerie médicale : résultats et défis méthodologiques

2019· dissertation· fr· W2996374989 on OpenAlexaboutno aff
G Rakovich

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2019
Typedissertation
Languagefr
FieldMedicine
TopicOphthalmology and Eye Disorders
Canadian institutionsnot available
Fundersnot available
KeywordsMedicineGynecologyPhysics

Abstract

fetched live from OpenAlex

Titre : Etude des mouvements oculaires comme outil pédagogique en imagerie médicale : résultats et défis méthodologiques Auteurs: George Rakovich, Stéphane Carignan, François Marquis, Serge Dubé, avec la participation d’une équipe de psychologie de l’Université de Montréal. Contexte : Les modalités de formation en imagerie médicale ne se fondent pas sur des stratégies pédagogiques adaptées. Or certaines études suggèrent qu’on pourrait utiliser les mouvements oculaires pour enseigner une stratégie de recherche visuelle experte et systématique. Objectif: Mesurer les effets d’enseigner la stratégie de recherche visuelle d’un radiologiste aux étudiants de médecine. Matériel et méthodes : Un logiciel pédagogique a été conçu à partir des trajectoires de balayage visuel d’un radiologiste. Suivant un devis randomisé, les étudiants formés avec ce logiciel ont été comparés à un groupe contrôle à partir de l’observation de 20 radiographies pulmonaires. Résultats : Quatre séries de données de chaque groupe étaient disponibles pour analyse. Le taux d’exactitude diagnostique était de 61,25% +/- 6,29% et de 63,75% +/-14,3% pour les groupes expérimental et contrôle, respectivement (test t, p=0,38; alpha 0,05). Les valeurs des vecteurs de Damerau-Levenshtein (mesures des mouvements oculaires) étaient de 99,13 +/- 4,26 et de 97,43 +/- 3,01 pour les groupes expérimental et contrôle, respectivement (test t, p=0,0022; alpha 0,05). Discussion et conclusion : L’exactitude diagnostique était faible et comparable. Ce résultat peut être dû à un manque de puissance de l’étude due au petit nombre de participants, un logiciel inefficace, ou une utilisation sous-optimale du logiciel due à un temps de formation insuffisant. Le groupe expérimental avait aussi une stratégie de recherche visuelle moins systématique (valeur supérieure du vecteur de Damerau-Levenshtein). Ces résultats exigent une réévaluation de notre compréhension de l’expertise en imagerie médicale. Cependant la faible participation et l’absence de données supplémentaires sur les mouvements oculaires en raison de problèmes méthodologiques limitent les tentatives d’interprétation.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.095
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0050.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.023
GPT teacher head0.269
Teacher spread0.245 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicOphthalmology and Eye DisordersFrench-language works237,207