2015 American Academy of Clinical Neuropsychology (AACN) student affairs committee survey of neuropsychology trainees
Notice bibliographique
Résumé
OBJECTIVE: Surveys of practicing neuropsychologists have been conducted for years; however, there have been no comprehensive surveys of neuropsychology trainees, which may result in important issues being overlooked by the profession. This survey assessed trainees' experiences in areas such as student debt, professional development, and training satisfaction. METHOD: Survey items were written by a task force of the AACN Student Affairs Committee (SAC), and neuropsychology trainees were recruited via neuropsychology-focused listservs. In total, 344 trainees completed the survey (75% female) and included participants from every region of the US and Canada. RESULTS: Based on the survey questions, nearly half of all trainees (47%) indicated financial factors were the greatest limitation in their training. Student debt had a bimodal distribution; 32.7% had minimal debt, but 45% had debt >$100,000. In contrast, expected starting salaries were modest, but consistent with findings ($80-100,000). While almost all trainees intended to pursue board certification (97% through ABPP), many were 'not at all' or only 'somewhat' familiar with the process. CONCLUSIONS: Results indicated additional critical concerns beyond those related to debt and lack of familiarity with board certification procedures. The results will inform SAC conference programming and the profession on the current 'state of the trainees' in neuropsychology.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».