MétaCan
Menu
Retour à la cohorte
Enregistrement W2905098207 · doi:10.15694/mep.2018.0000283.1

The Multiple Mini Interview for admission to nursing – male perspectives

2018· article· en· W2905098207 sur OpenAlexfundno aff
Marian Traynor, Iain McGowan, Kathryn Gillespie

Notice bibliographique

RevueMedEdPublish · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Education and Admissions
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésThematic analysisDisadvantageFocus groupDiversity (politics)Medical educationPsychologySelection (genetic algorithm)Qualitative researchNursingMedicineSociologyPolitical scienceComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

<ns4:p>This article was migrated. The article was marked as recommended. Aims: The aim of this study was to gain the perspectives of men undergoing recruitment to a nursing degree programme by the process of multiple mini interviews (MMIs). Background: MMIs are used increasingly to select undergraduate students for degree courses, particularly in the healthcare sciences but the impact of MMIs on initiatives to increase gender diversity in these professions is unknown. Design: The study employed a qualitative research approach using a thematic framework of the MMI process. Methods: The study took place between January 2018 - April 2018 and a total of eight students attended for focus groups. Results: Respondents viewed the MMI process as stressful, and also reported that some of the stations created more stress than others, as they were conscious of the gender issues within some of the scenarios. Despite this they also reported the MMI to be a satisfactory selection tool. Conclusion: Participants found the use of MMIs to comprise a valid selection process which, while imperfect and female-dominated, did not unduly disadvantage male candidates. Further research involving multiple nursing schools as well as medical schools is needed to further evaluate the impact of the MMI as a selection tool on male applicants.</ns4:p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,400
Écart entre enseignants0,336 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedEdPublishMême sujetMedical Education and AdmissionsTravaux en français237 207