MétaCan
Menu
Retour à la cohorte
Enregistrement W4284663918 · doi:10.1177/22925503221108468

Successful Applicant and Program Director Perspectives on the Virtual Residency Selection Process for Canadian Surgical Subspecialties

2022· article· en· W4284663918 sur OpenAlexaffabout
Jad Abi‐Rafeh, Victoria Sebag, Hassan ElHawary, Dino Zammit, Mirko S. Gilardino

Notice bibliographique

RevuePlastic Surgery · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedical educationInterviewAttendancePersonnel selectionSubspecialtyMedicinePsychologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: The COVID-19 pandemic imparted an important shift in strategies postgraduate surgical programs use to recruit, interact with, and select medical students applying through the Canadian Resident Matching Service (CaRMS). With this unprecedented shift toward virtual applicant selection, this study sought to explore and analyze perspectives of the first cohort of program directors (PDs) and applicants who participated in this process. Methods: A cross-sectional survey study was designed using Google Forms for both PDs and applicants participating in the 2021 CaRMS surgical subspecialty selection process. Questions pertained to format and content of virtual engagement methods, the interview itself, as well as advice for future applicants. Results: Thirty-five PDs and 40 successful applicants (n = 75) participated in the study. Cost reduction was the most commonly reported benefit of online interviewing by PDs (85%), followed by efficiency (71%), enhanced resource management (49%), and ability to conduct more interviews (23%). Strong letters of reference (80%) and interview performance (74%) remained the most significant factors in virtual applicant selection. Attendance to virtual recruitment events did not increase the likelihood of offering interviews (n = 24, 69% of PDs), although the ability to perform in-person electives held tremendous value. Most applicants (90%) reported on virtual information sessions as the best method for learning about programs; work culture and environment were topics most valued as discussion points (90%). Successful applicants provided an average confidence of 76% regarding their suitability with their matched programs. Seventy-three percent of applicants (n = 29) had either a preference for virtual interviews or were equivocal, while 51.4% of PDs (n = 18) preferred interviews to be conducted virtually for future cohorts. Conclusion: Trainees are entering residency with confidence following a virtual selection process, and PDs feel confident in their selections. Although no clear consensus exists regarding preference for virtual or in-person interviews, several advantages for virtual resident selection exist. The influence of an in-person elective was found difficult to replace, regardless of interview format. The importance of applicant engagement with programs prior to interviews is highlighted and discussed with recommendations provided for best practices.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,290
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlastic SurgeryMême sujetDiversity and Career in MedicineTravaux en français237 207