Das Augmented Reality Magic Mirror System - Anwendung einer Augmented Reality Technologie in der anatomischen Lehre
Bibliographic record
Abstract
Fragestellung: Ziel der Studie ist die Analyse eines neuen Augmented Reality Magic Mirror Systems (ARMMS) zur anatomischen Wissensvermittlung am Beispiel der oberen Extremität im direkten Vergleich zum Lernmedium Anatomie Atlas (AA). Methodik: Das Setup des ARMMS ist in [ Abb. 1 ] schematisch dargestellt. Abb.1 Schematische Darstellung der Hardware und des Versuchsaufbaus des Augmented Reality Magic Mirror Systems Der TV-Bildschirm wirkt als digitaler Spiegel. Für die korrekte Überlagerung des digitalen Spiegelbildes mit anatomischen Daten wurde der Tracking-Algorithmus von Shotten et al.(1) implementiert. Die Interaktion mit dem ARMMS erfolgt über ein intuitives User Interface. Das ARMMS und der AA stellen im Rahmen dieser Studie nur Scapula, Humerus, Radius, Ulna, M. coracobrachialis, M. biceps brachii, M. triceps brachii, M. brachialis, M. anconaeus, M. pronator teres, M. pronator quadratus und M. supinator mit den jeweiligen anatomischen Informationen dar. Das ARMMS hebt aktivierte Muskeln zusätzlich farblich hervor. 150 Probanden wurden in die Studie eingeschlossen und randomisiert in die Studiengruppen ARMMS und AA eingeteilt. Für beide Gruppen wurde eine identische Lerneinheit, Mulitple-Choice(MC)-Prüfung und ein Fragebogen zur Evaluation der beiden Systeme in den Kategorien Motivation, Qualität des Lernens und Dimensionales Verständnis konzipiert. Die statistische Analyse erfolgte über Box-Plot-Darstellung, Berechnung der Mittelwerte, Standardabweichung, der prozentualen Häufigkeiten, Mann-Whitney-Test und Chi-Quadrat-Test. Das Signifikanzniveau beträgt 5%. Ergebnisse und Schlussfolgerung: In der Gesamtevaluation der Kategorien zeigt sich, dass das ARMMS in allen drei Kategorien signifikant besser evaluiert wird als der AA; p<0.001 in Kategorie Motivation und Dimensionales Verständnis sowie p<0.005 in Kategorie Qualität des Lernens. Die Detailevaluation innerhalb der einzelnen Kategorien ist in [ Tab. 1 ] dargestellt. Tab.1 Mittelwerte und Standardabweichungen je Item der drei Kategorien für beide Gruppen. Mittelwert ARMMS (n=73) Mittelwert AA (n=77) Standardabw eichung ARMMS Standardabw eichung AA p-Wert Kategorie Motivation Steigert meine Motivation 3,16 2,49 0,76 0,75 ,001 Bereitet Spaß beim Lernen 3,30 2,34 0,76 0,68 ,001 Kategorie Qualität des Lernens Fördert meine Aufmerksamkei t 2,97 2,43 0,69 0,79 ,001 Liefert zu viele Informationen 1,96 2,91 0,89 0,83 ,001 Fördert aktives Lernen 3,47 2,34 0,73 0,82 ,001 Hilft eigenständig zu lernen 2,93 2,79 0,77 0,86 ,335 Liefert wichtiges Wissen 3,29 3,47 0,74 0,58 ,176 Stellt Anatomie übersichtlich dar 3,36 2,99 0,82 0,72 ,001 Hilft Wissen im Gedächtnis zu speichern 2,92 2,29 0,83 0,72 ,001 Kategorie Dimensionales Verständnis Hilft die Anatomie des Armes zu erlernen 3,34 3,22 0,63 0,62 ,221 Fördert mein Verständnis für die unterschiedlich en Bewegungen des Armes 3,59 2,79 0,62 0,83 ,001 Hilft die Funktion der einzelnen Muskeln zu erlernen 3,53 2,70 0,56 0,83 ,001 Visualisiert die Funktion der einzelnen Muskeln 3,67 2,36 0,47 0,97 ,001 (Von 1 = Trifft nicht zu bis 4 = Trifft voll zu) (Von 1 = Trifft nicht zu bis 4 = Trifft voll zu) (Von 1 = Trifft nicht zu bis 4 = Trifft voll zu) (Von 1 = Trifft nicht zu bis 4 = Trifft voll zu) Die Gesamtauswertung der MC-Prüfung zeigt eine signifikante Verbesserung des anatomischen Wissens der ARMMS Gruppe, p<0.025. Die Detailauswertung der einzelnen MC-Fragen ist in Tab. 2 dargestellt. Tab.2 Rel. Häufigkeiten (%) der Antworten je MC-Frage, Chi-Quadrat-Test u. p-Wert für beide Gruppen. Frage ARMMS richtig ARMMS falsch AA richtig AA falsch Chi-Quadra tr p-Wert 1) Identifikation des Humerus 93 7 96 4 0,647 ,421 2) Strecker des Ellbogengele nks 57 43 36 64 6,748 ,009 3) Größte Kraftentfaltu ng in Beugestellun g 77 23 61 39 4,279 ,039 4) Identifikation M. coracobrachi alis 72 29 79 21 0,900 ,343 5) Identifikation des wichtigsten Muskels für Streckung im Ellbogen 90 10 80 20 2,930 ,087 6) Ansatz welchen Muskels an der Ulna 16 84 16 84 0,005 ,942 7) Bewegungs-k ombinatione n Ellbogengele nk 73 27 79 21 0,577 ,448 8) Ansatz/Ursprung M. pronator quadratus 82 18 68 32 3,600 ,058 9) Ansatz/Ursprung M. pronator teres 30 70 14 86 5,487 ,019 10) Bewegung M. supinator 54 46 55 45 0,002 ,897 Das einfache Setup des ARMMS, die intuitive Anwendung und das hohe Lehrpotential wurden demonstriert. Diese Ergebnisse stehen in Übereinstimmung mit u.a. Garg et al.(2), Gopal et al.(3), McNulty et al.(4) und Xu et al.(5) die den positiven Einfluss der aktiven Einbindung des Anwenders, wie das ARMMS es ermöglicht, auf den Lernprozess beschreiben. Eine Integration des ARMMS in das medizinische Curriculum als zusätzliches Lehrmedium ist daher zu empfehlen. Stichwörter: Augmented Reality, Interactives Lernen, Menschliche Anatomie, Computer Aided Learning, Medizindidaktik Publication History Article published online: 15 October 2020 © 2020. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".