Predictive Value of Three Different Selection Methods for Admission of Motivated and Well-Performing Veterinary Medical Students
Notice bibliographique
Résumé
In search for valid and reliable selection methods that predict applicants’ study motivation and academic performance during the 3-year bachelor’s program at the Dutch Faculty of Veterinary Medicine (FVM), this study aimed to (1) examine the predictive value of the three FVM selection methods for study motivation and academic performance (i.e., direct admission and weighted lottery based on secondary school grade point average [GPA], and selection based on non-cognitive criteria), and (2) examine whether type and level of study motivation could be of value regarding selection of well-performing students. Data from two cohorts at the FVM ( n = 186) were obtained, including mean summed scores on study motivation (using the Academic Motivation Scale [AMS] and additional items) and several academic outcome measures; among others, analyses of covariance (ANCOVA) were performed to examine differences between the three admission groups. Spearman’s correlations and linear regression were applied to examine the relationship between study motivation and academic performance. Lottery-admitted students demonstrated a stronger extrinsic motivation than selected students ( p < .05). Directly admitted students outperformed students from the other two admission groups on several academic outcome measures ( p < .05). Only the level of motivation was related to academic performance ( p < .05). According to the results, direct admission based on a high secondary school GPA in particular has predictive value for good academic performance during the 3-year bachelor’s program of the veterinary course. The type of motivation seems to be of no value regarding selection of well-performing students, whereas level of motivation might be a useful criterion for this purpose.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».