Admission academic metrics and later success in an accelerated master’s entry program
Notice bibliographique
Résumé
Background: Accelerated master’s entry programs for non-nurse college graduates leading to advanced practice, which are both rigorous and fast-paced, utilize academic metrics to evaluate prospective candidates, including GRE scores and GPA levels. Because this program saw an increased rate of failure from the program (with medical-surgical nursing being associated with > 93% of failures), the aim of this study was to examine if either of these metrics were associated with later success in the program.Methods: A retrospective, descriptive study analyzed admission metrics and first year academic performance to determine if any criteria were associated with academic success. Data collected included age, gender, race, ethnicity, GPA, GREs and scores on the seven required courses in the first 25 weeks. T-tests, correlations, ANOVAs and multiple regression were used to determine if any significant relationships existed.Results: Admission data from 333 students revealed no differences in the mean GPA related to academic success. Student who failed out of the program had significantly lower GRE quantitative, verbal, and writing scores. Additionally, quantitative and verbal scores correlated with exam scores on many didactic courses, and explained 25.4% of the variance in the first medical-surgical exam scores (p < .001), with GRE quantitative scores having the most effect.Conclusions: This study demonstrated verbal and quantitative scores were the only predictor of academic success suggesting admission offices should reconsider whether this current trend of omitting GREs is meeting the needs of students, faculty, universities and the public at large.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».