MétaCan
Menu
Retour à la cohorte
Enregistrement W3203413511 · doi:10.2196/29486

Evaluating Applicant Perceptions of the Impact of Social Media on the 2020-2021 Residency Application Cycle Occurring During the COVID-19 Pandemic: Survey Study

2021· article· en· W3203413511 sur OpenAlexvenueno aff
Ariana Naaseh, Sean Thompson, Steven Tohmasi, Warren Wiechmann, Shannon Toohey, Alisa Wray, Megan Boysen‐Osborn

Notice bibliographique

RevueJMIR Medical Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaPandemicMedical educationCoronavirus disease 2019 (COVID-19)Family medicinePsychologyMedicinePerceptionPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Due to challenges related to the COVID-19 pandemic, residency programs in the United States conducted virtual interviews during the 2020-2021 application season. As a result, programs and applicants may have relied more heavily on social media-based communication and dissemination of information. OBJECTIVE: We sought to determine social media's impact on residency applicants during an entirely virtual application cycle. METHODS: An anonymous electronic survey was distributed to 465 eligible 2021 Match applicants at 4 University of California Schools of Medicine in the United States. RESULTS: A total of 72 participants (15.5% of eligible respondents), applying to 16 specialties, responded. Of those who responded, 53% (n=38) reported following prospective residency accounts on social media, and 89% (n=34) of those respondents were positively or negatively influenced by these accounts. The top three digital methods by which applicants sought information about residency programs included the program website, digital conversations with residents and fellows of that program, and Instagram. Among respondents, 53% (n=38) attended virtual information sessions for prospective programs. A minority of applicants (n=19, 26%) adjusted the number of programs they applied to based on information found on social media, with most (n=14, 74%) increasing the number of programs to which they applied. Survey respondents ranked social media's effectiveness in allowing applicants to learn about programs at 6.7 (SD 2.1) on a visual analogue scale from 1-10. Most applicants (n=61, 86%) felt that programs should use social media in future application cycles even if they are nonvirtual. CONCLUSIONS: Social media appears to be an important tool for resident recruitment. Future studies should seek more information on its effect on later parts of the application cycle and the Match.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,066
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,157
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,066
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,165
Tête enseignante GPT0,547
Écart entre enseignants0,382 · 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 tête enseignante, pas un consensus.

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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetSocial Media in Health EducationTravaux en français237 207