MétaCan
Menu
Retour à la cohorte
Enregistrement W4295332841 · doi:10.53379/cjcd.2022.343

Career Mentoring Surgical Trainees in a Competitive Marketplace

2022· article· en· W4295332841 sur OpenAlexaffvenueabout
David W. J. Côté, Amr F. Hamour

Notice bibliographique

RevueCanadian Journal of Career Development · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensUniversity of TorontoUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEmployabilityFocus groupMedical educationStressorMedicineWorkloadPsychologyPedagogyManagementSociology

Résumé

récupéré en direct d'OpenAlex

Resident trainees in Canadian Otolaryngology–Head & Neck Surgery (OHNS) programs have cited job prospects as the biggest stressor they face. Increased numbers of residency training positions combined with decreased employment opportunities have worsened competition for surgical positions. The purpose of this inquiry was to explore gaps in resident career planning and examine how leadership can prepare graduating residents to optimize employability. This mixed-methods prospective study was completed in two phases. A combination of online surveys and two focus group sessions were used to gather information from academic and clinical staff surgeons, resident trainees, and administrative leadership. Eleven of the potential 12 resident participants responded to the initial survey, seven of the 13 staff surgeons, and one administrative leader. Each of the resident and staff focus groups had five participants. This comprehensive inquiry led to the development of a conceptual framework describing domains of concern important to OHNS residents. Themes included lack of career mentoring, complex systemic limitations, inadequacy of exposure to community-based surgical practice, and a potentially stifling organizational culture. OHNS residents face significant stress regarding potential employability following residency. Solutions to address concerns must be collaborative in nature and begin with the existing leadership structure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,003
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,244
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Career DevelopmentMême sujetDiversity and Career in MedicineTravaux en français237 207