Evaluating Applicant Perceptions of the Impact of Social Media on the 2020-2021 Residency Application Cycle Occurring During the COVID-19 Pandemic: Survey Study
Notice bibliographique
Résumé
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 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 | 0,005 | 0,011 |
| 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».