Free choice and career choice: clerkship electives in medical education
Notice bibliographique
Résumé
INTRODUCTION: Medical education experiences, particularly in clinical years, are reported determinants of career choice. Less is known about features of clinical education experiences including length, discipline, setting and choice, which may serve as landmarks in career choice decisions. This study's purpose was to explore the benefits of a free choice clerkship elective, and more specifically, its role in clarifying career choice. METHODS: Using framework and content analysis methodology, we analysed University of British Columbia, third-year medical student anonymised assignments regarding free choice and 2-week clerkship elective experiences. This clerkship was designed to provide students with clerkship experiences outside the conventional curricular model, while encouraging student choice of ambulatory and community settings. Assignment questions included: reasons for choosing elective; whether learning objectives were met; influence of elective on career choice; and unique elective experiences. Iterative review, coding, analysis and indexing of assignments were carried out to identify themes and corroborate findings. RESULTS: Emergent themes included: positive views of experience; transferable knowledge and skills; and influencer of future education and career choices. Although students were encouraged to choose clerkship experiences outside the conventional curricular model, most students chose the elective to clarify future career decisions. DISCUSSION: This qualitative descriptive study highlights the influence of highly regarded, free choice clerkship elective experiences in the career decision making process in medical education. Further examination of the details of clerkship elective experiences which influence career choice is recommended.
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 | 0,001 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».