Survey on academic medicine culture, enablers & barriers in a newly formed academic department in Singapore
Notice bibliographique
Résumé
Objective: A positive culture of academic medicine is important for improving healthcare, research and medical education. This study seeks to assess academic medicine culture, enablers and barriers with a multi-dimensional structured survey, in a newly formed academic department from the perspectives of faculty and staff.Methods: Thirteen dimensions relating to academic medicine culture were identified after focused group discussions. Each dimension contains four relevant questions with answers on a 5-point Likert scale. This web-based questionnaire survey was conducted for senior and junior physicians within SingHealth Duke-NUS Obstetrics & Gynecology (OBGYN) academic department in 2011. This unit was started within the academic medical centre formed by SingHealth, and Duke-NUS which is a medical school jointly established by Duke University and National University of Singapore (NUS). Gaps were identified and addressed with various initiatives. A second survey in 2012 and a third survey in 2013 were conducted to assess the change in culture.Results: In the first survey, the top three favorable dimensions (highest percentage of composite positive response) were: Supervisor and Departmental Support for Academic Medicine (64.0%); Academic Faculty Development (57.9%); and Communications & Feedbacks on Academic Medicine (57.3%). The bottom three dimensions which were areas for improvements were: Academic Clinical Staffing Issue (23.8%); Relating Clinical Service to Research & Education (33.2%); and Academic Teamwork across Institutions (36.3%). In the second survey, there was overall improvement for 12 of the 13 dimensions. In the third survey, there was overall improvement for all the 13 dimensions compared to the first survey.Conclusions: There were positive changes, likely contributed by initiatives within the department to engage staff and to address gaps in various aspects of academic medicine culture.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».