Examining gender bias in the feedback shared with family medicine residents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Competency-based education places increasing emphasis on formative feedback to learners as part of the assessment process. We wished to determine if gender bias was present in the feedback shared with post-graduate medical trainees (residents) in a two-year family medicine residency program at a Canadian university. METHODS: We performed secondary data analyses of documented feedback (FieldNotes) extracted from the Competency-Based Achievement System database. Between 2012 and 2016, 464 preceptors (188 female (F); 276 male (M)) wrote in total 7316 FieldNotes for 192 residents (104 F; 88 M), forming four gender dyads. Descriptive statistics were used to examine trends in FieldNotes frequencies, competencies (Sentinel Habits; SH), progress levels (PL), and the use of adjectives (agentic/competency-based; communal/warmth-based) by preceptors in the FieldNotes. RESULTS: Male and female preceptors wrote on average 7 and 14 FieldNotes, respectively. Female residents received on average more feedback comments from female preceptors (7 notes) than from male preceptors (4 notes). The M-M and M-F resident-preceptor dyads had, respectively, the least and the most 'Stop, Important correction' FieldNotes in both the PGY1 and PGY2 groups. Although preceptors used agentic adjectives more frequently than communal adjectives overall, the F-M resident-preceptor dyad contained the highest proportion of communal adjectives and the lowest proportion of agentic adjectives. CONCLUSIONS: Residents would benefit from multiple opportunities for feedback from both male and female preceptors throughout their residency training. Faculty development to bring attention to potential gender bias may be useful to ensure equitable teaching and quality feedback for learners.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle