Validity of Admissions Measures in Predicting Performance Outcomes: The Contribution of Cognitive and Non-Cognitive Dimensions
Notice bibliographique
Résumé
BACKGROUND: Admissions committees face the daunting task of selecting a small number of candidates who are most likely to succeed in medical school from a large pool of seemingly suitable applicants. While numerous studies have shown moderate correlations among measures of academic performance, predictors of the non-cognitive domain (e.g. interpersonal, communication, ethical) remain elusive, in part because of the absence of a sound criterion measure. PURPOSE: We examined the utility of several cognitive and non-cognitive criteria used in the admissions processes in predicting both cognitive and non-cognitive dimensions of the licencing examinations of the Medical Council of Canada (LMCC). METHODS: Predictors included: undergraduate GPA, undergraduate science GPA, an autobiographical letter, scores from a simulated tutorial, a personal interview and the MCAT. Of specific interest was the relation between measures of communication and problem-exploration skills as assessed during the admissions process and Part II of the LMCC Examination, a multi-station OSCE. RESULTS: Undergraduate GPAs were found to have the most utility in predicting both academic and clinical performance. Scores derived from the simulated tutorial did not predict future performance. The MCAT Verbal Reasoning score and the personal interview were found to be useful in predicting communication skills on the LMCC Part II. CONCLUSIONS: The results have implications for any school that uses the interview as an admissions tool.
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 | 0,020 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».