Attitudes toward Virtual Admissions Interviews among Applicants to a Veterinary School
Notice bibliographique
Résumé
Abstract Virtual interviews have gradually begun to be utilized in health professions education; however, the COVID-19 pandemic resulted in virtual interviews rapidly becoming commonplace for the 2020–2021 admissions cycle. This study aimed to evaluate attitudes toward and experience with virtual interviews of applicants to a veterinary medical college. All applicants to the Midwestern University College of Veterinary Medicine (MWU-CVM) were provided with a link to a voluntary, anonymous survey after completing a virtual interview with the program. A 27.5% response rate (114/415) was obtained. Responses indicate widespread acceptance of virtual interviews, with respondents noting they would be more likely to interview for an out-of-state program with a virtual interview option and most feeling more positively about the program after their virtual interview. In-person interviews were preferred by 62.3% of applicants, while 32.5% favored a virtual option. Most applicants (58.8%) applied to more than six schools, indicating a major burden of cost and time associated with veterinary college applications. Students who experienced technical difficulties were less likely to feel positively about the interview (p = .01). Overall, virtual interviews were viewed favorably by applicants, although many indicated a preference for an in-person interview when possible. Prioritizing an accessible technology platform and high-quality sound input/output for interviewers may help foster a more positive virtual interview for applicants. Virtual interviews are a viable option for veterinary admissions interviews associated with a positive applicant experience.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».