Aprendiendo la palpación transrectal en caballos: comparación de dos metodologías de enseñanza
Bibliographic record
Abstract
Resumen La palpación transrectal (TP) es una habilidad básica en la clínica equina. Los métodos tradicionales de aprendizaje de la TP incluyen la TP asistida por un instructor en animales vivos. Este enfoque con animales vivos presenta preocupaciones sobre el bienestar animal, especialmente cuando se debe utilizar con un gran número de estudiantes. El objetivo principal de este estudio es comparar dos métodos de aprendizaje de la TP: la metodología tradicional con caballos vivos (LH) y la metodología alternativa utilizando un cadáver con los flancos disecados (CDV). Veinte estudiantes sin experiencia previa en TP equina fueron asignados aleatoriamente a dos grupos: LH (n=10) y CDV (n=10). Ambos grupos recibieron una formación teórica inicial antes de la sesión de LH o CDV. Los resultados del aprendizaje se evaluaron en una nueva sesión de TP con caballos vivos. Se preguntó a todos los estudiantes sobre su percepción de éxito en la palpación de siete estructuras intraabdominales y también se realizó una confirmación ecográfica objetiva (UC). La percepción de éxito en la palpación y la UC fue similar en ambos grupos de estudiantes LH y CDV, sin diferencias significativas. Se realizaron encuestas anónimas respondidas por estos 20 voluntarios y por 126 estudiantes matriculados en la asignatura obligatoria que recibieron esta formación. Los resultados de la encuesta muestran una opinión muy positiva sobre la metodología CDV. Pese a que hay pocos estudiantes en cada grupo y a que muchos de los resultados se basan en criterios subjetivos, nuestros resultados muestran que CDV es una herramienta útil para enseñar TP, con buenos resultados de aprendizaje, permitiendo al instructor ver lo que el estudiante está tocando y evitando las desventajas de la metodología LH. This translation was provided by the authors. To view the original article visit: https://doi.org/10.3138/jvme-2023-0010
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 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".