MétaCan
Menu
Retour à la cohorte
Enregistrement W3087520332 · doi:10.1177/0846537120957621

Delivering CaRMS Transparency: Applicant Review and Selection Process of a Single-Center Diagnostic Radiology Residency Training Program

2020· article· en· W3087520332 sur OpenAlexafffundabout
Lindsay A. Cherpak, Jason Yongsheng Chan, Raman Verma, Matthew D. F. McInnes, Rebecca Hibbert

Notice bibliographique

RevueCanadian Association of Radiologists Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésMedicineTransparency (behavior)Residency trainingSelection (genetic algorithm)Medical physicsRadiologyMedical educationCenter (category theory)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To report the current application review and selection process in our Canadian diagnostic radiology program at the University of Ottawa for both Canadian and international medical graduates. APPLICATION REVIEW AND SELECTION PROCESS: Submitted applications fulfilling institutional requirements were selected for a detailed file review after preliminary screening. A diverse group of file reviewers and interviewers was selected. Interviews were offered based on file review score sheet outcomes. Each interviewer generated a postinterview rank list. Applicants were reviewed and discussed from highest to lowest rank based on a preliminary compiled rank list generated from the average of the postinterview rank lists. Group discussion and a consensus model were used to create a final applicant rank list. CONCLUSIONS: We outlined our systematic, consistent selection process which aligns with current best practices. This description may inform other programs wishing to adopt or optimize strategies to improve candidate assessments and selection processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,135
score de la tête « metaresearch » (Gemma)0,180
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,716

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1350,180
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0150,003
Communication savante0,0060,002
Science ouverte0,0040,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,313
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Association of Radiologists JournalMême sujetRadiology practices and educationTravaux en français237 207