MétaCan
Menu
Retour à la cohorte
Enregistrement W2560160820 · doi:10.1016/j.cptl.2016.11.017

Implementing and sustaining a mentorship program at a college of pharmacy: The Keys to Successful Mentorship

2017· article· en· W2560160820 sur OpenAlexaff
Joshua N. Raub, A. Fiorvento, Taylor M Franckowiak, Trevor Wood, Justine S. Gortney

Notice bibliographique

RevueCurrents in Pharmacy Teaching and Learning · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésMentorshipPharmacyMedical educationMedicineProfessional developmentPharmacy practicePsychologyExperiential learningStrengths and weaknessesNursingPedagogy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate mentor and mentee opinions of The Keys to Successful Mentorship, a longitudinal student-led mentorship program established at a college of pharmacy. EDUCATIONAL ACTIVITY AND SETTING: In 2008, a mentorship program was created whereby first year pharmacy students (mentees) were paired with third year pharmacy students (mentors). An anonymous survey was administered to second (P2) and fourth (P4) year pharmacy students identifying strengths and weaknesses of the program. FINDINGS: Results of the survey administered to the P2 and P4 pharmacy students revealed that there was a strong desire to take part in the mentorship program. Of the respondents, 77% of P2 and 70% of P4 students stated the mentorship program aided in their professional growth. Mentors disagreed significantly more than mentees that participation in the program should be optional. Qualitative findings suggested that the program assisted students in building professional relationships and networks, better prepared them for experiential training, and helped with post-graduate decisions. CONCLUSION: The implementation of a longitudinal student-led mentorship program was supported by student pharmacists and may aid in their professional development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0050,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,442
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrents in Pharmacy Teaching and LearningMême sujetMentoring and Academic DevelopmentTravaux en français237 207