Medical school curricula: do curricular approaches affect competence in medicine?
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: US medical school curricula continually undergo reform. The effect of formal curricular approaches (course organization and pedagogical techniques) on competence in medicine as measured by the United States Medical Licensing Examinations (USMLE) Step 1, 2, and 3 is not fully understood. The purpose of this study was to investigate the effects of formal curricular approaches in a latent variable path analysis model of achievement-aptitude-competence in medicine. METHODS: Using Association of American Medical Colleges (AAMC) and USMLE longitudinal data (1994-2004) for 116 medical schools, structural equation modeling was used to study latent variable path models assessing the impact of curriculum on competence in medicine (n=9,332). RESULTS: A latent variable path model consisting of three latent variables measured by undergraduate grade point average (general achievement), Medical College Admission Test subscores (aptitude for medicine), and USMLE Step 1-3 (competence in medicine) was used to assess the impact of curriculum on competence in medicine. Two models were tested; one resulted in a Comparative Fit Index=.931 with a path coefficient of 0.04 from curriculum to competence in medicine. While there was a good fit of the data to the final model, the type of school curriculum did not significantly influence competence in medicine since it accounted for less than 1% of the variation in student performance on the USMLE. CONCLUSIONS: Various formal curricular approaches have little differential effect on students' performance on the USMLE.
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 | 0,004 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».