MétaCan
Menu
Retour à la cohorte
Enregistrement W2041091554 · doi:10.1186/1756-0500-5-249

Ego identity development in physicians: a cross-cultural comparison using a mixed method approach

2012· article· en· W2041091554 sur OpenAlexaffabout
Tanya Beran, Efrem Violato, Sonia Faremo, Claudio Violato, David Watt, Deidre Lake

Notice bibliographique

RevueBMC Research Notes · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLicensureIdentity (music)CategorizationMedicinePsychologyTest (biology)Medical educationFamily medicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The purpose of this study was to examine the career decision-making process of International Medical Graduates (IMGs). There are two main types of IMGs who apply for licensure in Canada. Canadian International Medical Graduates (CIMGs) were Canadian citizens before leaving to study medicine in a foreign country, in comparison to those non-CIMGs who had studied medicine in a foreign country before immigrating to Canada. Given that their motivations for becoming a doctor in Canada may differ, it is important to examine how they decided to become a doctor for each group separately. METHODS: A total of 46 IMGs participated in a semi-structured interview - 20 were CIMGs and 26 were non-CIMGs. RESULTS: An iterative process of content analysis was conducted to categorize responses from five open-ended questions according to the Ego Identity Statuses theory of career decision-making. Event contingency analysis identified a significant difference between CIMGs and non-CIMGs, Fisher's exact test (1) = 18.79, p < .0001. A total of 55% of CIMGs were categorized as identity achieved and 45% as foreclosed; 100% of non-CIMGs were classified as identity foreclosed. CONCLUSION: About half of the Canadian citizens who had studied medicine in a foreign country had explored different careers before making a commitment to medicine, and half had not. No IMGs, however, who studied medicine in another country before immigrating to Canada, had explored various career opportunities before selecting medicine.

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)0,015
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,613
Tête enseignante GPT0,674
Écart entre enseignants0,061 · 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'étudeQualitatif
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

Citations7
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Research NotesMême sujetGlobal Health Workforce IssuesTravaux en français237 207