Apprendre l’anatomie radiographique en présentiel ou en ligne ? Une étude randomisée contrôlée
Bibliographic record
Abstract
Résumé L’enseignement de l’anatomie repose sur diverses techniques: les cours, les dissections, les modèles 3D ou encore les supports en ligne. Ces derniers sont généralement considérés comme des moyens d’apprentissage complémentaires. Cette étude vise à comparer les performances des étudiants vétérinaires (N=83) en anatomie radiographique (radioanatomie) après un apprentissage en ligne ou conventionnel, et de voir dans quelle mesure ces méthodes sont interchangeables. Trois stratégies sont comparées : apprentissage en ligne exclusif, apprentissage en ligne avec des os de chevaux, apprentissage sur radiographies conventionnelles avec des os de chevaux. Les performances au test de rotation mentale et au test de connaissance en radioanatomie sont similaires entre les 3 groupes à la base, lors du test préliminaire. Après l’apprentissage (test final), les scores de rotation mentale et de radioanatomie augment significativement de 6.7/40 points (CI : 5.2–8.2; p < .001) et de 5.1/20 points (CI: 4.3–5.9; p< .001). Il n’y a pas de différence entre les groupes pour les scores de rotation mentale et de radioanatomie après l’apprentissage. Le score de rotation mentale est influencé par le genre, et significativement plus élevé chez les hommes que chez les femmes au test préliminaire (M= 23.0, SD = 8.8 vs. M= 16.5, SD= 6.9; p= .001) et au test final (M= 32.1, SD= 5.5 vs. M= 22.7, SD= 8.6; p< .001). Les performances en radioanatomie ne sont pas influencées par le genre. Ces résultats suggèrent que l’enseignement de la radioanatomie peut être réalisé en présentiel avec des radiographies conventionnelles ou en ligne. Cette interchangeabilité entre apprentissage en présentiel et en distanciel est intéressante au regard des impératifs liés aux crises sanitaires, et des besoins d’adaptation rapide en distanciel. This translation was provided by the authors. To view the original article visit: https://doi.org/10.3138/jvme-2021-0153
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
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 teacher head, 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".