Medical career expectations of academically talented high school students: A nationwide cross-sectional study in China
Notice bibliographique
Résumé
Abstract Background: Academically talented high school students (ATHSSs), an exceptional cohort, are not well studied for their career expectations, especially for those with medical career expectation (MCE). Nowadays, the public perception of the medical profession is changing in China. The purpose of this study was to answer questions about ‘is medicine attractive for ATHSSs and ‘what factors affect medical career expectations (MCE) for ATHSSs’ in China. Methods: A total of 16,479 representative ATHSSs in senior three completed a questionnaire and four different academic tests. Frequency statistics showed the proportion of ATHSSs with MCE. Unpaired t-tests were performed to find out the differences in demographics, family background, and academic performance between students with and without MCE. The logit models analysis were applied to explore the potential factors that affected the MCE of this exceptional group of students. Results: ATHSSs with MCE accounted for 20.6% (ranking 7/18) of the respondents. They were more likely to be female, came from relatively poorer families, lived in a rural area, and performed significantly worse in all academic tests except for mathematics, compared with those without MCE. In addition, the results revealed that gender (β=-0.436, p<0.01), region of hometown (β=-103, p<0.1), mother’s years of schooling (β=-0.019, p<0.05), and father’s occupational status (β=-0.005, p<0.01) contributed significantly to the MCE of academically talented students. Better performance in mathematics affected the MCE of ATHSSs taking the liberal arts and science tests differently. Conclusions: We found the medical career is becoming unattractive to academically talented students and the medical career may be loosing their aura in China. Students who have medical career expectations are likely to be females and to have a weak family background. We discuss implications for medical education.
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 | 0,001 | 0,001 |
| 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 ».