It begins with the right supervisor: Importance of mentorship and clinician-investigator trainee satisfaction levels in Canada
Notice bibliographique
Résumé
PURPOSE: Clinician Investigator Trainee Association of Canada/ Association des cliniciens-chercheurs en formation du Canada (CITAC/ACCFC) represents the interests of clinician-investigator (CI) trainees across Canada. To better advocate for the successful training of CI trainees in Canada, CITAC/ACCFC conducted a survey to assess satisfaction with their training and to find what factors were most associated with satisfaction level. METHODS: A nominal scale-based psychometric survey was conducted online in 2009 on CI trainees in Canada (including MD/MSc, MD/PhD, or CIP/SSP). One hundred fifteen out of a target population of approximately 350-400 responded. Survey respondents were asked to rate their level of satisfaction in four areas: 1) quality of training, 2) financial support, 3) mentorship satisfaction and 4) program structure. Ratings in these four areas were also combined to produce a measure of overall satisfaction. RESULTS: At least half of the respondents were 'completely satisfied' in each of the four categories other than mentorship. While 98% of respondents considered mentorship as important to their success, 62% expressed some level of dissatisfaction with the level of mentorship received. Moreover, increased levels of mentorship were strongly associated with increased levels of overall satisfaction. CONCLUSION: The discrepancy between CI trainees' perceived importance of mentorship and the level of satisfaction in mentorship received reveals a strategic area where CI training should be improved. Recognizing that good mentorship in a CI training program often begins with one's research supervisor, the CITAC/ACCFC has compiled six specific recommendations for finding a good supervisor.
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 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».