The Effect of Salary Compensation for Time Spent Teaching in an Orthopaedic Residency Program: An Analysis of Teaching Performance Reviews
Notice bibliographique
Résumé
INTRODUCTION: Although there has been a recent emphasis on standardized resident assessments within Accrediation Council for Graduate Medical Education programs, assessments of faculty teaching performance and effectiveness are less frequent. Our purpose was to compare the teaching performance of orthopaedic surgery faculty receiving compensation for time spent teaching with faculty without compensation. METHODS: For this prospective investigation, we collected anonymous resident reviews of 23 orthopaedic faculty within a rural, academic orthopaedic residency program over 2 academic years. Performance reviews of the faculty used a validated assessment of clinical teaching effectiveness with nine domains (faculty knowledge, organization, enthusiasm, rapport, involvement in learning experiences, feedback, clinical skill, accessibility, and overall effectiveness). A composite teaching effectiveness score was determined by adding each of the scores from the individual domains. We compared reviews for faculty members with and without compensation for time spent teaching. RESULTS: A total of 202 performance reviews for 23 orthopaedic faculty were analyzed. Most of the faculty were male (91%), and 61% received compensation for teaching. No demographic differences were observed between the two faculty groups. Notable differences between the groups were noted in three domains: enthusiasm, ability to establish rapport as well as direction, and feedback. Faculty compensated for teaching demonstrated a markedly higher composite teaching effectiveness score than those without compensation. DISCUSSION: These data suggest that orthopaedic faculty compensated for teaching responsibilities provide a better educational experience for resident trainees compared with faculty without compensation for teaching. Future studies should aim to assess varying compensation models for teaching responsibilities across different departments.
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 | 0,011 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».