Utility of a Writing Station in the Multiple Mini-Interview
Notice bibliographique
Résumé
The multiple mini-interview (MMI) is a reliable and valid method of selecting applicants for admission to health professional schools on the basis of non-cognitive traits. Because the MMI is a series of short interview stations that applicants rotate through in coordinated sequence, it can potentially be resource intensive. However, the MMI design has room for innovation and efficiency. At the University of Manitoba Faculty of Medicine, a 10-minute unsupervised writing station (WS) was incorporated into the MMI to obtain a writing sample from each applicant, to increase the number of independent scores per applicant, and to increase the number of applicants interviewed per circuit without increasing interviewer numbers. One assessor evaluated all the writing samples and assigned a score ranging from 1 to 7. With the inclusion of a WS into an 11-station MMI, the faculty's capacity to interview applicants increased by 9% (from 297 to 324) without substantially increasing interviewer hours needed per day. For 1,257 applicants interviewed in 2008-2011, the mean WS score was 4.03 (SD=1.36), whereas applicants' mean of 10 oral station (OS) scores was 4.62 (SD=0.69). Correlations between WS score and mean OS score ranged from .16 to .27 (p<.01) over the four years. Because inter-station correlations for OS ranged from .01 to .37, the correlation of .21 between WS and mean OS scores for all four years combined appears reasonable. Institutions that want to effectively increase the capacity of their MMI process might consider adding a WS.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».