MétaCan
Menu
Retour à la cohorte
Enregistrement W2065077934 · doi:10.3109/01421591003692680

Evaluation of a collaborative mentorship program in a multi-site postgraduate training program

2010· article· en· W2065077934 sur OpenAlexaff
Ann L Jefferies, Martin Skidmore

Notice bibliographique

RevueMedical Teacher · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMentorshipHelpfulnessRespondentMedical educationMedicineCoachingTrainerPsychologyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Traditional one-on-one mentorship of trainees is challenging for multi-site training programs. Our three-site Neonatal - Perinatal Medicine Training Program therefore implemented collaborative mentorship. AIM: To describe and evaluate the effectiveness of collaborative mentorship. METHOD: Faculty Advisory Committee Triads (FACTs), comprising one staff neonatologist from each site, were created for each trainee. Guidelines for meeting frequency and process were developed. After 3 years, participants were invited to complete a questionnaire exploring three domains - helpfulness, participant opinion, and process. RESULTS: Twenty-four staff participated in 32 FACTs that mentored 32 trainees; 19 staff (79%) and 19 trainees (60%) completed the survey. All but one respondent preferred FACTs to individual mentors. Trainees were comfortable discussing both training program issues (90%) and social or personal issues (47%) with their FACT. Despite various ethno-cultural backgrounds, only 26% thought these should be similar for FACTs and trainees. More than 80% found FACTs supportive and beneficial for providing staff contacts at each site. Trainees found FACTs helpful for career planning, resource identification, clinical performance advice, and research motivation. More staff (79%) than trainees (33%) felt FACTs helped trainees get started in the program (p = 0.01), perhaps because not all trainees (47%) met with their FACT at the start of training. FACTs met one to four times annually; staff availability made scheduling difficult. CONCLUSION: In a multi-site training program, collaborative mentorship was effective in overcoming many barriers encountered with one-on-one mentorship.

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)0,028
score de la tête « metaresearch » (Gemma)0,035
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0040,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,152
Tête enseignante GPT0,457
Écart entre enseignants0,305 · 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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetMentoring and Academic DevelopmentTravaux en français237 207