Is Social Sciences and Humanities (SSH) Premedical Education Marginalized in the Medical School Admission Process? A Review and Contextualization of the Literature
Notice bibliographique
Résumé
PURPOSE: To investigate the performance outcomes of medical students with social sciences and humanities (SSH) premedical education during and beyond medical school by reviewing the literature, and to contextualize this review within today's admission milieu. METHOD: From May to July 2012, the lead author searched the PubMed, MEDLINE, and PsycINFO databases, and reference lists of relevant articles, for research that compared premedical SSH education with premedical sciences education and its influence on performance during and/or after medical school. The authors extracted representative themes and relevant empirical findings. They contextualized their findings within today's admission milieu. RESULTS: A total of 1,548 citations were identified with 20 papers included in the review. SSH premedical education is predominately an American experience. For medical students with SSH background, equivalent academic, clinical, and research performance compared with medical students with a premedical science background is reported, yet different patterns of competencies exist. Post-medical-school equivalent or improved clinical performance is associated with an SSH background. Medical students with SSH backgrounds were more likely to select primary care or psychiatry careers. SSH major/course concentration, not SSH course counts, is important for admission decision making. The impact of today's admission milieu decreases the value of an SSH premedical education. CONCLUSIONS: Medical students with SSH premedical education perform on par with peers yet may possess different patterns of competencies, research, and career interests. However, SSH premedical education likely will not attain a significant role in medical school admission processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».