Thinking of selection and widening access as complex and wicked problems
Notice bibliographique
Résumé
OBJECTIVES: 'Wicked problems' are complex in nature, have innumerable causes associated with multiple social environments and actors with unpredictable behaviour and outcomes, and are difficult to define or even resolve. This paper considers why and how the frameworks of complexity theory and wicked problems can help medical educators consider selection and widening access (WA) to medicine through fresh eyes to guide future policy and practice. We illustrate how 'wickedity' can frame the key issues in this area, and then address steps that education stakeholders might take to respond to and act on these issues. METHODS: We used the 10 properties of a wicked problem to frame common issues in the broad field of selection and WA in medicine. We drew heavily on literature from different disciplines, particularly education, and, through debate and reflection, agreed on the applicability of the theory for illuminating and potentially addressing outstanding issues in selection and WA. RESULTS: Framing medical school selection using the 10 properties of wicked problems is a means of shifting thinking from erroneous 'simple' solutions to thinking more contextually and receptively. The wicked problem framework positions selection as a multi-causal, complex, dynamic, social problem and foregrounds stakeholders' views and context as being highly relevant in medical school selection. CONCLUSIONS: The wicked problem lens shifts thinking and action from seeking one elusive, objective truth to recognising the complexity of medical school selection, managing uncertainty, questioning and considering 'issues' associated with medical school selection more productively. Although there are criticisms of this framework, labelling medical selection as 'wicked' provides original insights and genuine reframing of the challenges of this important, and high profile, aspect of medical education. Doing so, in turn, opens the door to different responses than would be the case if selection and WA were simple and readily tamed.
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 | 0,052 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,103 |
| Communication savante | 0,016 | 0,036 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».