Predictors of medical student interest and confidence in research during training: a cross-sectional study
Notice bibliographique
Résumé
Purpose: Research education and opportunities are an important part of undergraduate medical education. This study’s objectives were to determine students’ interest in research, student self-rated research skills and to assess potential predictors of research interest and confidence. Method: Stakeholder consultation and literature informed a 13-item cross-sectional survey. In 2014, all students enrolled in McMaster University’s School of Medicine in Ontario, Canada were sent three waves of an electronic survey. Results: The response rate was 81% (498 of 618). Most (n=445, 89%) endorsed prior research experiences. The majority of students (n=383, 86%) wanted more research education and opportunities. Higher rating of their supervisors’ understanding of research was associated with greater interest in research (OR=2.08; 95% CI=1.27–3.41). Home campus (distributed vs. main) was not a significant predictor of research interest. In our adjusted linear regression model, significant predictors of higher self-rated research ability included prior thesis work and higher self-rated knowledge gained in MD program. Conclusions: In a survey of a three-year medical school, medical student interest in further research education and opportunities was high and positively predicted by student-rated supervisors’ understanding of research, but not campus location. This study also identified several predictors of student self-rated research ability.
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 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 | 0,017 | 0,300 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 tête enseignante, 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 ».