Leadership Development for Future Medical School Deans: Outcomes of the AAMC Council of Deans Fellowship Program
Notice bibliographique
Résumé
PURPOSE: To determine the outcomes of the Association of American Medical Colleges (AAMC) Council of Deans (COD) Fellowship Program with respect to participants' achieving the goals of becoming a medical school dean and developing leadership skills, and to ascertain fellows' views about the program's value, beneficial aspects, and areas for improvement. METHOD: The 37 COD fellows from 2002 to 2016 were invited to participate in a 2017 survey addressing demographics, training, current leadership position, and value of the program. The survey also included 3 open-ended questions. A 2018 web-based search was conducted to determine fellows' senior leadership roles since their program participation. RESULTS: The survey response rate was 73% (27/37). The majority of respondents were male (82%, 22), aged 51-70 (89%, 25), and white (82%, 22). The top 5 medical specialties reported were internal medicine, pediatrics, anesthesiology, psychiatry, and surgery. Most respondents (63%, 17) reported having a graduate degree. All reported being in leadership positions in academia and/or health care. The web-based search found that 27% (10/37) of the fellows became medical school deans (average tenure 5.6 years); 2 fellows became deans of other types of schools. Overall, survey respondents perceived the program as valuable. Respondents identified shadowing a dean mentor, attending COD meetings, and attending the AAMC Executive Development Seminar for Deans as the most valuable program components. The majority (88%, 23/26) indicated their fellow experience persuaded them to pursue being a dean; 2 (8%) indicated it did not. Respondents identified 4 key opportunities for program improvement: more sponsorship by deans, development of a learning community, enhanced mentoring, and coaching. CONCLUSIONS: The COD Fellowship Program appears to be successful in preparing senior faculty to become deans and assume other senior leadership roles in academia and/or health care. Fellows' feedback will be used to inform future revisions to the program.
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 | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».