Exploring the consequences of combining medical students with and without a background in biomedical sciences
Notice bibliographique
Résumé
CONTEXT: Medical schools have tended to admit students with strong backgrounds in the biomedical sciences. Previous studies have shown that those with backgrounds in the social sciences can be as successful in medical school as those with science backgrounds. However, the experience of being a 'non-science' student over time has not been well described. METHODS: A mixed-methods study was developed and run with the aim of elucidating the personal experiences of science and non-science students at our institution. Data were generated from a student survey that focused on participants' self-identification as science or non-science students, and on their sense of preparedness and stress, and from a series of student focus groups exploring participants' experiences of science and non-science issues in all aspects of their training. Descriptive statistics were generated for structured survey data. Focus group data and unstructured survey data were analysed to identify common themes. End-of-module and end-of-year examination data for the four class cohorts in the programme were also analysed to compare science and non-science student performance over time. RESULTS: There were clear differences between the experiences and performance of science and non-science students. We found dichotomies in students' self-reported sense of preparedness and stress levels, and marked differences in their examination performance, which diminished over time to converge around the third year of their studies. Combining science and non-science students in the same class affected the students to different extents and in different ways. The potential disruption of mixing science and non-science students diminished as their levels of performance converged. CONCLUSIONS: The psychosocial stress experienced by non-science students and the challenges it posed, in both their academic and their personal lives, have implications for how such students should be supported, and how curricula can be configured to afford quality learning for all medical students.
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 | 0,015 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».