Why medical students switch careers: changing course during the preclinical years of medical school.
Notice bibliographique
Résumé
OBJECTIVE: To determine why students switch their career choices during the preclinical years of medical school. DESIGN: Two questionnaires were administered: the first at the beginning of medical school and the second about 3 years later just before students entered clinical clerkship. SETTING: University of British Columbia, University of Alberta, University of Toronto, University of Ottawa, Queen's University, University of Western Ontario, University of Calgary, and McMaster University. PARTICIPANTS: Entering cohorts from 10 medical school classes at 8 Canadian medical schools. MAIN OUTCOME MEASURES: Proportion of students who switched career choices and factors that influenced students to switch. RESULTS: Among the 845 eligible respondents to the second survey, 19.6% (166 students) had switched between categories of family medicine and specialties, with a net increase of 1.2% (10 students) to family medicine. Most students who switched career choices had already considered their new careers as options when they entered medical school. Seven factors influenced switching career choices; 6 of these (medical lifestyle, encouragement, positive clinical exposure, economics or politics, competence or skills, and ease of residency entry) had significantly different effects on students who switched to family medicine than on students who switched out of family medicine. The seventh factor was discouragement by a physician. CONCLUSION: Seven factors appear to affect students who switch careers. Two of these factors, economics or politics and ease of residency entry, have not been previously described in the literature. This study provides specific information on why students change their minds about careers before they get to the clinical years of medical training.
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 | 0,021 | 0,007 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».