The Vot-ER Healthy Democracy Campaign: A National Medical Student Competition to Increase Voting Access
Notice bibliographique
Résumé
Abstract Problem Voting affords citizens a direct say in the leaders and policies that affect their health. However, less than 20% of eligible U.S. citizens have been offered the chance to register to vote at a government-funded agency like a hospital or clinic that provides Medicaid or Medicare services. Medical students are well positioned to increase voting access due to their interactions with multiple actors in health care settings, including patients, visitors, colleagues, and others. Approach Vot-ER, a nonpartisan, nonprofit organization that aims to promote civic engagement in health care settings, launched the inaugural Healthy Democracy Campaign from July 20 to October 9, 2020. As part of this national, gamification-based competition, medical student captains were recruited to lead teams of health care trainees and professionals that helped eligible adults start the voter registration and/or mail-in ballot request process before the November 2020 elections. Post competition, medical student captains were surveyed about their motivations for participating and skills and knowledge gained. Outcomes In total, 128 medical student captains at 80 medical schools in 31 states and the District of Columbia formed teams that helped 15,692 adults start the voter registration and/or mail-in ballot request process. Eighty-two (64.1%) captains responded to the post competition survey, representing 56 (70.0%) of the participating schools. The top-ranked motivation for participating in the campaign was the desire to address social and racial inequities (37, 45.1%). Respondents reported gaining skills and knowledge in several aspects of civic engagement, including community organizing (67, 81.7%) and voting rights (63, 76.8%). The majority of respondents planned to incorporate voter registration into their future practice (76, 92.7%). Next Steps Future Healthy Democracy Campaigns will aim to continue closing the voting access gap and promote the long-term inclusion of hands-on civic engagement in medical education and practice.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 ».