Notice bibliographique
Résumé
BACKGROUND: Medical students in Canada must make career choices by their final year of medical school. Selection of students for a career in neurosurgery has traditionally been based on marks, reference letters and personal interviews. Studies have shown that marks alone are not accurate predictors of success in medical practice; personal skills and attributes which can best be assessed by letters of reference and interviews may be more important. This study was an attempt to assess the importance of, and ability to teach, personal skills and attitudes necessary for successful completion of a neurosurgical training program. METHODS: A questionnaire was sent to 185 active members of the Canadian Neurosurgical Society, asking them to give a numerical rating of the importance of 22 personal skills and attributes, and their ability to teach those skills and attributes. They were asked to list any additional skills or attributes considered important, and rate their ability to teach them. RESULTS: Sixty-six (36%) questionnaires were returned. Honesty, motivation, willingness to learn, ability to problem solve, and ability to handle stress were the five most important characteristics identified. Neurosurgeons thought they could teach problem solving, willingness to consult informed sources, critical thinking, manual dexterity, and communication skills, but honesty, motivation, willingness to learn and ability to handle stress were difficult or impossible to teach. CONCLUSIONS: Honesty, motivation, willingness to learn, ability to problem solve and handle stress are important for success in a neurosurgical career. This information should be transmitted to medical students at "Career Day" venues. Structuring letters of reference and interviews to assess personal skills and attributes will be important, as those that can't be taught should be present before the start of 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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».