Exploring social media and admissions decision-making – friends or foes?
Notice bibliographique
Résumé
BACKGROUND: Despite the ever-increasing use of social media (e.g., Facebook, Twitter) little is known about its use in medical school admissions. This qualitative study explores whether and how social media (SM) is used in undergraduate admissions in Canada, and the attitudes of admissions personnel towards such use. METHODS: Phone interviews were conducted with admissions deans and nominated admissions personnel. A qualitative descriptive analysis was performed using iterative coding and comparing, and grouping data into themes. RESULTS: Personnel from 15 of 17 Canadian medical schools participated. A sizeable proportion had, at some point, examined social media (SM) profiles to acquire information on applicants. Participants did not report using it explicitly to screen all applicants (primary use); however, several did admit to looking at SM to follow up on preliminary indications of misbehaviour (secondary use). Participants articulated concerns, such as validity and equity, about using SM in admissions. Despite no schools having existing policy, participants expressed openness to future use. CONCLUSIONS: While some of the 15 schools had used SM to acquire information on applicants, criteria for formulating judgments were obscure, and participants expressed significant apprehension, based on concerns for fairness and validity. Findings suggest participant ambivalence and ongoing risks associated with "hidden" selection practices.
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».