An Alumni Survey to Assess Self-Reported Career Preparation Attained at a US Veterinary School
Notice bibliographique
Résumé
The American Veterinary Medical Association (AVMA) Council on Education (COE) has challenged veterinary schools to improve self-assessment of curricular outcomes. One way to assess the quality of education is to gather feedback from alumni. To successfully gather feedback using a questionnaire, questions must be pertinent to veterinary education and include quantifiable responses. Several principles must be applied in questionnaire development to ensure that the questions address the intended issues, that questions are interpreted correctly and consistently, and that responses are quantifiable. The objectives of the questionnaire for alumni of Mississippi State University's College of Veterinary Medicine (MSU-CVM) were twofold: (1) to determine whether graduates were comparable to their US peers in terms of work opportunities and salary, and (2) to evaluate how well the CVM curriculum prepared students to begin their veterinary careers. Demographic categories used by the AVMA and published knowledge, skills, attitudes, and aptitudes of veterinary graduates were used in developing the questions. College-specific questions, such as those relating to student activities and impressions of college resources, were also incorporated. Questionnaires were mailed to participants, who could respond via the World Wide Web. Questionnaire results allowed leaders within the college to determine which aspects of alumni's experiences were exceptionally positive, which needed immediate response, and which might require further study. This article describes the application of principles in developing, administering, and analyzing responses to a questionnaire regarding veterinary education.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».