Lines in the sand: pre-interview rank and probability of receiving admission to medical school
Notice bibliographique
Résumé
Background: We provide an examination of one medical school’s attempt to determine whether their cut-off point for number of interviews offered is congruent with the probability these applicants’ have for admission post-interview. Methods: Offer probability was determined by organizing pre-interview rankings from 2013-2017 (n = 2,659) applicant cohorts into bins of 50 applicants and finding the quotient of successful and total applicants in each bin.A linear-by-linear association Chi-square test and adjusted standardized residuals with an applied Bonferroni correction were used to determine if the observed frequencies in each bin were different than expected by chance. A Spearman Correlation analysis between pre- and post-interview ranks was conducted. Results: All applicants have between a 50.0% and 76.4% chance of admission. Observed frequencies are different than chance (χ(1)=50.835, p<.001), with a significantly greater number of offers seen in the bins between 1 and 100 (p<.001 for both bins). There is a weak positive relationship between pre- and post-rank, rs(2657)= 0.258, p<.001. Conclusion: The results indicate the number of interviews conducted does not exceed a threshold wherein individuals with a relatively low chance of admission are interviewed. Findings are interpreted with respect to ethical resource allocation for both programs and applicants.
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 | 0,004 | 0,253 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,216 | 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 ».