MétaCan
Menu
Retour à la cohorte
Enregistrement W3186951947 · doi:10.3138/jvme-2021-0034

Predicting Academic Difficulty in Veterinary Medicine: A Case-Control Study

2021· article· en· W3186951947 sur OpenAlexvenueno aff
Laura R. Van Vertloo, Rebecca G. Burzette, Jared A. Danielson

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Education and Admissions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumResidenceMedical educationLogistic regressionPsychologyMedicineDemographyPedagogySociology

Résumé

récupéré en direct d'OpenAlex

A veterinary education is costly and time-consuming, so it is in the best interests of applicants and colleges alike that admissions processes be fair and select applicants who are likely to succeed. We employed a case-control study to explore whether any of 28 admissions variables used by a veterinary college located in the Midwest region of the United States predicted which students would encounter academic difficulty in the veterinary curriculum. Participants were selected from the veterinary classes admitted between 2008 and 2017. We defined academic difficulty cases ( n = 55) as any students dismissed from the program or placed on academic probation. Controls ( n = 220) were selected at random from the same classes, excluding the academic difficulty cases, students with honor code violations, or any who had exited the program early for any reason other than participation in a concurrent program. Admissions variables included gender, citizenship, underrepresented status, state of residence, age, interview scores, GPA (science), GRE scores, undergraduate credits, participation in honors courses, community college credits, repeats/withdrawals of required undergraduate courses, course load, and admissions committee review criteria including work experience, animal/vet experience, references, essays, leadership, personal development, special circumstances, and overall committee score. Zero-order correlations for academic difficulty were significant for underrepresented status, age, GPA (science), verbal and quantitative GRE scores, repeats/withdrawals, and references. When combined in logistic regression, only science GPA, verbal GRE, and references significantly and independently predicted struggler status.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,448
Écart entre enseignants0,351 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetMedical Education and AdmissionsTravaux en français237 207