The Impact of Gender on High‐Stakes Dental Evaluations
Notice bibliographique
Résumé
The purpose of this study was to determine whether gender affects high-stakestest performance among dental students. Our sample consisted of 128 women and 323 men from six consecutive dental classes for which we recorded AADSAS overall and science predental GPAs; Dental Admission Test (DAT) scores; National Board Dental Examination (NBDE) I and II scores and pass/fail status; North East Regional Board of Dental Examiners (NERB) pass/fail status; and cumulative GPAs following the spring quarter of year two and summer quarter of year four of dental school. DAT scores, when controlled for previous academic performance, revealed that men significantly outperformed women in all areas except reading comprehension and biology, where the women's scores significantly exceeded the men's and were comparable, respectively. NBDE I results favored men and approached significance (p = 0.066), while for Part II men significantly outscored women. NBDE I and II and NERB pass rates showed no significant differences. These board results were also controlled for previous academic performance. Although we found that differences existed between genders, which appear to be the ramification of the classic high-stakes dilemma (women do as well as men in the classroom and on course-related tests, but less well on gatekeeper board exams), the context mitigates their operational effects. DAT differences are likely reduced by most admissions processes, but may be problematic when selected predictive algorithms are used. Practically, the NBDE I and II results are unlikely to meaningfully influence women's academic progress in dental school or postgraduate education admissions due to their magnitude and timing.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».