What is the financial state of medical students from rural backgrounds during tuition fee deregulation?
Notice bibliographique
Résumé
INTRODUCTION: We sought to examine the financial state of medical students from rural backgrounds during a time of tuition fee deregulation. METHODS: We surveyed incoming classes from 2007 to 2011 at the University of Calgary. Community background, expected educational debt at graduation, educational debt at entry to medical school and parental income were collected for analysis. Data were analyzed using the Χ² test, analysis of variance and the Newman-Keuls multiple comparison test. RESULTS: The overall response rate was 95.3%. Of the 571 (93.5%) respondents who supplied data on their background and debt, 94.4% expected to have educational debt at graduation. The mean projected educational debt at graduation by medical students from both rural ($107 226 [95% confidence interval (CI) $98 030-$116 423]) and regional ($99 456 [95% CI $91 905-$107 006]) backgrounds was significantly greater than the debt projected by students from metropolitan ($88 565 [95% CI $83 607-$93 524]) backgrounds. Medical students who came from rural backgrounds had the highest mean debt at entry to medical school ($33 053 [95% CI $25 715-$40 391]) compared with their peers from regional ($23 253 [95% CI $16 621-$29 885]) and metropolitan ($22 053 [95% CI $17 344-$26 762]) backgrounds. Students of rural origin also had parents whose mean income ($104 024 [95% CI $75 976-$132 173]) was significantly lower than the mean parental income of their peers who originated from regional ($143 167 [95% CI $119 898-$166 435]) and metropolitan ($150 339 [95% CI $135 241-165 438]) centres. CONCLUSION: Rising tuition and subsequent debt may be affecting the diversity of medical students' backgrounds. Financial programs dedicated to rural-background students and their interest in medicine may become necessary.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».