What Are the Discussion Topics and Usefulness of Clerkship Directorsʼ Meetings Within Medical Schools? A Report From the CDIM 2007 National Survey
Notice bibliographique
Résumé
PURPOSE: To characterize meetings among clerkship directors within medical schools, specifically with regard to topics of discussion, and usefulness of the meetings. METHOD: In 2007, the Clerkship Directors in Internal Medicine surveyed its institutional members from 114 U.S. and Canadian medical schools. Respondents were asked about the frequency of meetings among clerkship directors, the topics of discussions, whether they were precluded from discussing students in academic difficulty, and the benefits and drawbacks of discussing students' performance. Analysis included descriptive statistics and qualitative analysis of free-text responses. RESULTS: The response rate was 71% (81/114). The most common meeting frequencies were monthly (77%) or quarterly (15%). Topics discussed included deans' policies (91%), general announcements (90%), recommendations from clerkship directors to the dean (86%), Liaison Committee on Medical Education site visit preparation (84%), curricular input (82%), discussion of struggling students (49%), students' progress (48%), and planning for at-risk preclerkship students (22%). Some respondents (16%) were explicitly prevented from discussing student performance, for reasons of possible harm to the student (30/84; 36%), bias developing against the student (13/84; 16%), violation of privacy/lack of student confidentiality (4/84; 5%), and possible bias in grading or evaluation (8/84; 10%). Most respondents (94%) agreed there were benefits to students resulting from discussions: longitudinal tracking of concerns, designing remediation, tailoring teacher assignments, and societal obligations. CONCLUSIONS: Clerkship directors meet frequently to discuss curriculum, policy, and students' performance. Most internal medicine clerkship directors believe discussing students' performance helps design educational interventions that balance societal obligations with student confidentiality.
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 | 0,011 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».