Common Errors In Proposal Writing: A Cross Sectional Study Among Post Graduate Medical Trainees At Peshawar.
Notice bibliographique
Résumé
BACKGROUND: Proposal writing before starting research study is the key component of the any research project and quality of the research depends upon how the proposal was designed and planned. Objectives of this study was to determine the frequency of most common errors in proposal writing by post graduate medical residents of College of physician and surgery of Pakistan (CPSP) at Peshawar. METHODS: A cross sectional study was carried at Khyber College of Dentistry (KCD) Peshawar from August 2017 to May 2018. We conducted the reviewed of Form "S" of 43 proposals through convenience sampling. Each Form S consists of 34 questions. All the questions were dichotomous which were presented in the form of frequency and percentages. Data were analysed by SPSS-22. RESULTS: Out of 43 proposal, the result shows that 53.5% (n=23) of the candidates have not explained the introduction in their own words while suitable statistical tests were not mentioned in more than half of the 67.4% (n=29) proposal. References were not written in Vancouver style 51.2% (n=22) as well as hypothesis was not applicable in 62.8% (n=27) of the studies. However only 39.5% (n=60.5) of the trainees phrased the hypothesis properly. CONCLUSIONS: Majority of the candidates were unable to write the proposal according to the recommended guidelines. Application of the appropriate statistical measures was found as a challenge for the candidates. Similarly, objectives were not clearly defined in terms of SMART concept.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».