A national strategy to engage medical students in otolaryngology-head and neck surgery medical education: the LearnENT ambassador program
Notice bibliographique
Résumé
BACKGROUND: In the realm of medical education, student-led ambassador programs represent an innovative approach to increase awareness about medical education resources. LearnENT is an internationally recognized otolaryngology-head and neck surgery (OHNS) smartphone app and website designed for medical trainees to learn about OHNS. However, upon the initial launch of the app, there was a lack of medical student awareness and engagement. APPROACH: In this article, we highlight the process and lessons learned from developing an ambassador program to increase the national presence and uptake of LearnENT. Medical students from across Canada were recruited and trained to promote the app at their respective institutions. EVALUATION: Ambassadors hosted events and spearheaded initiatives around the country with the goal of showcasing LearnENT. Furthermore, ambassadors were engaged in scholarly initiatives such as creating educational content for LearnENT and giving presentations at national conferences. REFLECTIONS: Critical factors in the success of a student-led ambassador program include ensuring widespread dissemination of the program, establishing clear expectations for ambassadors, equipping ambassadors with standardized promotional material, and promoting collaboration to collectively work towards addressing challenges. When creating a national student-led group such as an ambassador program, outreach to senior stakeholders can be an effective way to involve students at different institutions, provide mentorship opportunities for students and provide opportunities for educational scholarship. With new medical education innovations constantly surfacing, the LearnENT ambassador program model can be applied in other contexts to increase awareness of medical education resources.
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 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».