Monitoring the Veterinary Medical Student Experience: An Institutional Pilot Study
Notice bibliographique
Résumé
Veterinary medical school challenges students academically and personally, and some students report depression and anxiety at rates higher than the general population and other medical students. This study describes changes in veterinary medical student self-esteem (SE) over four years of professional education, attending to differences between high and low SE students and the characteristics specific to low SE veterinary medical students. The study population was students enrolled at the Michigan State University College of Veterinary Medicine from 2006 to 2012. We used data from the annual anonymous survey administered college-wide that is used to monitor the curriculum and learning environment. The survey asked respondents to rate their knowledge and skill development, learning environment, perceptions of stress, skill development, and SE. Participants also provided information on their academic performance and demographics. A contrasting groups design was used: high and low SE students were compared using logistic regression to identify factors associated with low SE. A total of 1,653 respondents met inclusion criteria: 789 low SE and 864 high SE students. The proportion of high and low SE students varied over time, with the greatest proportion of low SE students during the second-year of the program. Perceived stress was associated with low SE, whereas perceived supportive learning environment and skill development were associated with high SE. These data have provided impetus for curricular and learning environment changes to enhance student support. They also provide guidance for additional research to better understand various student academic trajectories and their implications for success.
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 | 0,006 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».