Increasing Fellow Recruitment: How Can Fellowship Program Websites Be Optimized?
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to determine the importance of factors considered by orthopaedic trauma fellowship applicants when evaluating programs. We hypothesized that applicants will prioritize consistent factors when applying to programs. In addition, we assessed how the applicants use the Internet to research potential fellowships. Our goal is to provide fellowships with information to optimize both their fellowship and online contents. METHODS: At the 2018 and 2019 Orthopaedic Trauma Association meetings, a paper survey was given to each attendee of multiple fellowships' informational sessions. The survey consisted of 25 factors that applicants may consider when evaluating fellowships ranked on a 1-to-5 Likert scale. Additional questions were asked to determine how applicants use the Internet and social media when researching fellowships. RESULTS: We received 111 surveys (roughly a 56% response rate). Ninety-eight applicants (88%) indicated that they use fellowship websites to research fellowships. The utilization of fellowship websites was markedly greater than the use of other online resources. The highest rated factors surveyed were surgical experience (mean 4.95; SD 0.26), pelvic and acetabular experience (4.80; 0.52), lower extremity fracture experience (4.75; 0.58), and current faculty at the fellowship (4.55; 0.78). The lowest rated factors were the ability to moonlight (2.04; 1.08), salary (1.88; 1.12), and spine trauma experience (1.45; 0.87). Surgical experience and pelvic/acetabular experience were rated markedly higher than every other factor surveyed. DISCUSSION: To our knowledge, this is the first study to demonstrate that most orthopaedic trauma fellowship applicants use fellowship websites when researching programs. Programs may use this study to optimize their fellowship experience to reflect what the applicants value. In addition, programs may use this study as a guide when updating their websites. Fellowships with informative websites that meaningfully highlight their fellowship experience may have a competitive edge in attracting applicants to their programs.
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 | 0,036 | 0,120 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».