RESEARCH BASIC TO MEDICAL EDUCATION: Comparison of Aboriginal and Nonaboriginal Applicants for Admissions on the Multiple Mini-Interview Using Aboriginal and Nonaboriginal Interviewers
Notice bibliographique
Résumé
BACKGROUND: Achievement on grade point average and Medical College Admissions Test contribute as unintentional barriers to advancement of underrepresented minorities. So long as noncognitive measures mimic random number generators, they merely perpetuate such discrepancies. As reliable noncognitive measures are developed, it is crucial to ensure immunity from bias, enabling them to better dilute unintended discrimination of cognitive measures. PURPOSE: The Multiple Mini-Interview (MMI) is a recently developed, reliable (overall reliability = .70), noncognitive measure used for assessment of medical school applicants. Our purpose in this study was to evaluate whether any suggestion of bias existed in application of the MMI in its assessment of aboriginal medical school applicants. METHODS: In this study of the MMI (overall reliability = .70), each of 5 self-declared aboriginal applicants and 7 general-pool applicants experienced the same 11 vetted interview stations with the same 6 aboriginal raters and 5 nonaboriginal raters. RESULTS: The Interviewer Type x Interviewee Type interaction was nonsignificant, p > .7. CONCLUSION: Based on the results of this study, it is recommended that MMI stations be vetted by aboriginally sensitive personnel, but neither aboriginal-specific rater training nor aboriginal rater assignment is required to ensure a level playing field for the assessment of applicants' personal qualities.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».