MétaCan
Menu
Retour à la cohorte
Enregistrement W1878045864 · doi:10.36834/cmej.36536

Cultural Differences between American and Israeli Medical Students Regarding Their Perceptions of the Medical Profession and Satisfaction with Studies

2010· article· en· W1878045864 sur OpenAlexvenueno aff
Eyal Lotan, Louis Shenkman, Netta Notzer

Notice bibliographique

RevueCanadian Medical Education Journal · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkloadPerceptionMedical educationAffect (linguistics)PsychologyCultural diversityMedicineFamily medicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Cultural differences have been discussed as a potential factor influencing students' perception and motivation towards their studies. At the Sackler Faculty of Medicine, Tel-Aviv University, two separate programs coexist for American and Israeli medical students. Both are taught at the same sites and by the same faculty, thus enabling cultural comparisons. Our aim was to examine the differences of two medical student groups, American and Israeli, regarding their satisfaction with studies, view of the educational workload, and their perceptions of physician characteristics. Methods: During the academic year 2007-2008 we administered an anonymous questionnaire to the two groups immediately after their first clinical clerkship in internal medicine. The response rate was 82% (90 out of 110) for the Israelis and 93% (53 out of 57) for the Americans.Results: Americans, compared to the Israelis, are significantly more satisfied with their medical studies, consider fewer alternatives to future careers in clinical medicine, feel less of a workload, and hold a more positive opinion of physician characteristics.Conclusions: Cultural differences affect students' perception of their studies, mentors and future careers. Medical educators should be sensitive to the effects of students' background which influence academic and professional attitudes and find ways to strengthen their commitment to the profession.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,382
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetInnovations in Medical EducationTravaux en français237 207