Desenvolvimento de uma Plataforma de Ensino a Distância Online que Combina Anatomia, Imagem e Prática cirúrgica para Apoiar o Aprendizado do Aparelho Locomotor Equino
Bibliographic record
Abstract
Resumo Existem muitos desafios no ensino de anatomia veterinária, como disponibilidade de tempo em sala de aula, custos, e dificuldades de acesso a cadáveres de animais, principalmente devido a preocupações com o bem-estar animal. Além disso, veterinários e radiologistas reclamam que os recém-formados carecem de conhecimento anatômico. Por outro lado, as atuais limitações do ensino presencial devido à pandemia de COVID-19 sugerem que o desenvolvimento de ferramentas de ensino a distância online se faz necessário, principalmente em especialidades que carecem desse tipo de material. Plataformas de ensino que promovem a integração da anatomia com outras disciplinas aplicadas como imagem e cirurgia no cavalo não foram encontradas na literatura consultada. Portanto, este trabalho teve como objetivo desenvolver uma plataforma de educação a distância online para o estudo da anatomia cirúrgica do aparelho locomotor do cavalo como ferramenta complementar para o treinamento de alunos matriculados em cursos de graduação em cirurgia veterinária. O aparelho locomotor foi escolhido como foco por ser o mais comumente encontrado em cirurgias de equinos. Foram preparadas peças anatômicas referentes ao aparelho locomotor. Estas foram complementadas com material relacionado a diagnóstico por imagem, vídeos de cirurgia, explicações teóricas e uma ferramenta interativa de anatomia radiológica. Por fim, todo o material foi carregado em uma plataforma virtual acessível via Internet. Espera-se que a plataforma seja uma ferramenta que auxilie os alunos no treinamento cirúrgico e os prepare com uma melhor compreensão da anatomia e sua aplicação na cirurgia. This translation was provided by the authors. To view the original article visit: https://doi.org/10.3138/jvme-2022-0006
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".